重新审视经典：关于在韵律诗歌中识别和纠正性别刻板印象的研究
内容提要
本文探讨了语言与性别刻板印象的关系，分析了537人的问卷调查结果，发现性别偏见在歌词和语言模型中普遍存在。研究表明，尽管歌词中的性别歧视有所减少，男性艺术家的作品仍表现出更强的偏见。此外，提出了减轻社会偏见的算法和评估框架，以促进对边缘化群体的公平对待。
延伸解读
歌词性别偏见的时间趋势与艺术家性别差异
文章基于对377808首歌曲的大规模分析，发现过去五十年间英语歌词中的性别歧视有所增加，尤其在男性艺术家和Billboard热门歌曲中更为明显。男性独唱艺术家的作品表现出更多且更强的性别偏见。此外，男性艺术家比女性艺术家更可能引起歌词的转变，这些转变可能推动对女性社会定型观念的演变。
大型语言模型中的偏见表现与评估挑战
文章指出，大型语言模型在性别刻板印象、职业偏见和句子结构等方面表现出偏见，更倾向于选择与性别刻板印象相关的职业，且在提供解释时存在事实错误。现有性别偏见基准未完全探测到专业偏见，因为代词消解可能被其他性别偏见表现的交叉相关性所混淆。这提示我们需要谨慎测试模型，以确保对边缘化个体和社区的公平对待。
减轻性别偏见的算法策略与效果
文章提出了多种减轻性别偏见的方法。例如，通过研究词嵌入中的性别特征，开发了既能减少性别刻板印象又能保留嵌入有用几何特性的算法。在WinoBias任务中，采用在线方法可有效消除偏斜但牺牲刻板印象，而使用增强的性别平衡数据集微调BERT则能同时降低skew和stereotype。这些策略为减少社会偏见提供了潜在解决方案。
Q&A
这项研究是如何发现性别刻板印象的？
研究通过对537人的问卷调查，发现语言反映了思维、偏见和文化刻板印象，尤其在定义男女角色时存在性别刻板印象。
歌词中的性别歧视现状如何？
研究表明，歌词中的性别歧视有所减少，但男性艺术家的作品仍表现出更强的偏见，女性与理想特质的相关性较低。
研究中提出了哪些减轻性别刻板印象的算法？
研究开发了一种算法，旨在减少性别刻板印象，同时保留嵌入的有用几何特性。
大型语言模型在性别偏见方面的表现如何？
大型语言模型在性别刻板印象和职业偏见方面表现出偏见，需谨慎测试以确保对边缘化个体的公平对待。
如何量化和分析性别偏见？
研究提出了两个度量标准，skew和stereotype，来量化和分析上下文语言模型应对性别偏见的表现。
这项研究对流行文化的影响是什么？
研究通过分析377808首歌曲，揭示了性别歧视在过去五十年中的表现，尤其是男性艺术家的作品中表现更为明显，为理解流行文化中的性别话语提供了见解。
