Algorithmic Recommendation for Gender Stereotypes Online
Системы алгоритмических рекомендаций широко используются для персонализации пользовательского опыта и предоставления соответствующего контента, продукты, услуги и информация, основанные на индивидуальных интересах и предпочтениях.
Однако, эти системы часто полагаются на методы анализа данных, которые могут быть предвзятыми и могут увековечить гендерные стереотипы, что приводит к ограниченной представленности женщин в результатах поиска и лентах социальных сетей. В этом документе будет рассмотрено, как такие алгоритмы способствуют воспроизведению гендерных норм, укреплению традиционных гендерных ролей и сексуальной объективации.
Как алгоритмы укрепляют гендерные стереотипы
На то, как алгоритмы обрабатывают данные и предоставляют рекомендации, влияют основные культурные представления о поле, которые определяют тип контента, который они производят.
Например, исследования показали, что Google ищет изображения для «женщина» и «мужчина» дают разные результаты: больше фотографий женщин появляется в категориях красоты и моды, в то время как мужчины чаще появляются в профессиональной и карьерной областях. Эти различия отражают ожидания общества относительно того, что значит быть мужчиной или женщиной, способствуя нормализации гендерных моделей поведения.
Сексуальная объективация
Одной из областей, где алгоритмические рекомендации играют важную роль в укреплении гендерных стереотипов, является сексуальная объективация. Поисковые системы, такие как Google и Bing, часто отображают порнографические изображения, когда пользователи вводят сексуально наводящие на размышления ключевые слова, в то время как другие платформы, такие как Facebook и Twitter, продвигают посты, содержащие откровенный язык и изображения. Такое воздействие может усилить гендерные предположения о женщинах как о сексуальных объектах, которые существуют в основном для мужского удовольствия, что приводит к вредному отношению к женщинам и их телу.
Ограничение представительства женщин
Еще одна проблема, связанная с алгоритмическими системами рекомендаций, заключается в ограниченной представленности женщин в онлайн-пространствах, включая результаты поиска, ленты социальных сетей и рекламные кампании. Исследование показало, что только в 25% статей о технологиях и науке фигурируют авторы-женщины, а другой отметил, что новостные сюжеты, ориентированные на женщин, с меньшей вероятностью достигают высших рейтингов, чем те, которые пишут мужчины. Эти результаты показывают, как алгоритмические системы увековечивают существующие властные структуры, способствуя доминированию мужских голосов и перспектив над другими.
Алгоритмические рекомендательные системы не нейтральны, а скорее активно формируют наше восприятие и понимание пола. Увековечивая традиционные гендерные роли и сексуальную объективацию, эти системы способствуют маргинализации женщин и усугубляют вредное отношение к ним. Важно решить эту проблему, разработав алгоритмы, которые являются более инклюзивными, разнообразными и репрезентативными для всех полов, а также внедрив политику, которая ограничивает подверженность оскорбительному контенту.
Как алгоритмические рекомендации укрепляют гендерные стереотипы в Интернете?
Известно, что алгоритмические рекомендации на платформах социальных сетей, таких как Facebook и Instagram, укрепляют гендерные стереотипы путем продвижения контента, адаптированного к предполагаемым интересам и предпочтениям пользователей в зависимости от их демографических характеристик, включая пол. Это может привести к увековечиванию традиционных гендерных ролей и ожиданий, что может быть вредно как для мужчин, так и для женщин.