[論文レビュー] Visual Anthropomorphism Shifts Evaluations of Gendered AI Managers

Ruiqing Han, Hao Cui+1 more|arXiv (Cornell University)|Feb 20, 2026

Ethics and Social Impacts of AI被引用数 0

ひとこと要約

本論文は、テキストベースの能力指標がAIマネージャー評価における性別バイアスを低減させる一方、視覚的に人間らしいAIの顔は性別に基づくバイアスを喚起し、その影響は結果に依存することを示している。

ABSTRACT

This research examines whether competence cues can reduce gender bias in evaluations of AI managers and whether these effects depend on how the AI is represented. Across two preregistered experiments (N = 2,505), each employing a 2 x 2 x 3 design manipulating AI gender, competence, and decision outcome, we compared text-based descriptions of AI managers with visually generated AI faces created using a reverse-correlation paradigm. In the text condition, evaluations were driven by competence rather than gender. When participants received unfavourable decisions, high-competence AI managers were judged as fairer, more competent, and better leaders than low-competence managers, regardless of AI gender. In contrast, when the AI manager was visually represented, competence cues had attenuated influence once facial information was present. Instead, participants showed systematic gender-differentiated responses to AI faces, with feminine-appearing managers evaluated as more competent and more trustworthy than masculine-appearing managers, particularly when delivering favourable outcomes. These gender effects were largely absent when outcomes were unfavourable, suggesting that negative feedback attenuates the influence of both competence information and facial cues. Taken together, these findings show that competence information can mitigate negative reactions to AI managers in text-based interactions, whereas facial anthropomorphism elicits gendered perceptual biases not observed in text-only settings. The results highlight that representational modality plays a critical role in determining when gender stereotypes are activated in evaluations of AI systems and underscore that design choices are consequential for AI governance in evaluative contexts.

研究の動機と目的

• AIマネージャー評価における性別バイアスを緩和する能力指標を検証する。
• 表現モダリティ（テキスト vs. 視覚的顔）がバイアスのダイナミクスを変えるかを調べる。
• 評価における意思決定結果が、能力指標とAIの性別にどのように相互作用するかを評価する。

提案手法

• N = 2,505人の2つの予前登録済み実験。
• 3要因デザイン（AIの性別 x 能力 x 意思決定結果）を2 × 2 × 3の構成で。
• テキストベースのAIマネージャー説明と逆相関法で作成された視覚的AI顔の比較。
• 公正さ、能力、リーダーシップ認識の評価を行う。

実験結果

リサーチクエスチョン

• RQ1 AIがテキストで説明された場合、能力情報はAIの性別による評価バイアスを低減するか。
• RQ2 視覚的人間化（顔表現）は、能力指標が評価へ与える影響を緩和するか、増幅するか。
• RQ3 意思決定結果（好ましい vs 不好ましい）は、AIの性別、能力、顔表現の相互作用をどのように変えるか。

主な発見

• テキスト記述では、評価は性別よりも能力に影響されていた。
• 不利な意思決定では、高能力のAIマネージャーは、AIの性別に関係なく、公平・有能・リーダーとしてより高く評価された。
• 視覚的顔では、能力指標の影響が低下し、女性らしい外見のAIマネージャーは、特に有利な結果に対して、より有能で信頼できると評価された。
• ネガティブなフィードバックは、能力と顔の手掛かりの両方の影響を減衰させた。
• 性別バイアスは、主に顔表現条件で顕著に現れ、テキスト条件では現れなかった。