[論文レビュー] Uncovering Gender Bias in Media Coverage of Politicians with Machine Learning

Susan Leavy|arXiv (Cornell University)|May 15, 2020

Gender Politics and Representation参考文献 41被引用数 7

ひとこと要約

本研究では、自然言語処理と機械学習を用いて、15年間にわたりアイルランドの新聞が政治家を報じる際の体系的ジェンダー差別を検出する。その結果、女性政治家は報道量や目立つ場所での取り上げられ方において優位にある一方で、否定的ステレオタイプ、個人化、性別に固定された政策関連が顕著に見られ、表面的には肯定的な表現があるものの、微細ではあるが広範にわたる差別的傾向が示唆された。

ABSTRACT

This paper presents research uncovering systematic gender bias in the representation of political leaders in the media, using artificial intelligence. Newspaper coverage of Irish ministers over a fifteen year period was gathered and analysed with natural language processing techniques and machine learning. Findings demonstrate evidence of gender bias in the portrayal of female politicians, the kind of policies they were associated with and how they were evaluated in terms of their performance as political leaders. This paper also sets out a methodology whereby media content may be analysed on a large scale utilising techniques from artificial intelligence within a theoretical framework founded in gender theory and feminist linguistics.

研究の動機と目的

• 自然言語処理と機械学習を用いた、スケーラブルでAI駆動のメディアテキストにおけるジェンダー差別検出手法の開発。
• 15年間にわたりアイルランドの政治家を報じるメディアに体系的ジェンダー差別が存在するかを検証すること。
• 言語使用、政策関連、メディア上の配置の違いが、ジェンダー固定観念をどのように反映または強化しているかを特定すること。
• フェミニスト言語学と計算的テキスト分析を統合した、新しいコーパスベースのジェンダー差別分析アプローチの貢献。

提案手法

• 1997年から2011年までの15年間分の『アイルランド・タイムズ』および『アイルランド・インディペンデント』の新聞記事を収集し、閣僚クラスの政治家に焦点を当てた。
• 自然言語処理技術を適用して、固有表現、感情、トピック固有語彙などの言語的特徴を抽出した。
• サポートベクターマシン（SVM）やロジスティック回帰などの機械学習分類器を用い、テキストに基づいて登場する政治家の性別を予測し、その精度を言語的差別の系統的特徴の指標とした。
• 共起分析を用いて、性別に関連する用語および政策関連キーワードの文脈的使用を検証した。
• 一般インクワイアリー語彙集を用いて、男性政治家と女性政治家に結びついた政治的および感情的語彙の関連を抽出・比較した。
• メディア優先順位と可視性の指標として、新聞のセクションごとの配置を分析し、男性と女性の閣僚の配置分布を比較した。

実験結果

リサーチクエスチョン

• RQ1 アイルランドのメディアにおける女性政治家の報道は、男性政治家と比較して、言語、トーン、内容の面でどの程度体系的に異なるか？
• RQ2 特に性別に固定された関連が見られる政策分野に関して、男性と女性政治家がどのように異なる関連付けられているか、測定可能な差異があるか？
• RQ3 新聞の異なるセクションにおける報道配置は、ジェンダーに基づく可視性または優先順位の違いを反映しているか？
• RQ4 言語的特徴に基づいて訓練された機械学習モデルは、男性政治家と女性政治家の報道をどの程度区別できるか。また、その区別に寄与する特徴は何か？
• RQ5 自動化された手法は、政治的報道における予期しない、またはステレオタイプでない形のジェンダー差別をどの程度明らかにできるか？

主な発見

• 女性政治家は、表紙、政治面、編集委員会欄など、注目度の高いセクションで、報道量および配置の面で優位な扱いを受けており、肯定的な可視性バイアスが示された。
• 高い可視性にもかかわらず、女性政治家は「侵入」といった、対立を連想させる語彙と強く関連づけられていた一方で、男性政治家は「調停」「仲介」「中立性」といった語彙と関連づけられ、政治的行動のフレーミングが性別によって異なることが示唆された。
• 女性政治家は、個人的・家族的役割とより強く結びつけられており、政策パフォーマンスよりも性別や家族生活が強調されて報じられていた。
• 女性政治家の政治的スタイルに対する否定的描写が、より頻繁に見られ、そのリーダーシップの能力に関するジェンダー固定観念が強化されていた。
• 女性閣僚は、関連するポストを持たないにもかかわらず、ライフスタイル、エンターテインメント、健康のセクションに過剰に配置されており、社会的・健康問題と性別が強く結びついていることが示された。
• 機械学習モデルは、登場する政治家の性別を分類する際に高い精度を示し、報道における言語的差異が体系的かつ測定可能であることを確認した。