[논문 리뷰] Judging a Book by its Description : Analyzing Gender Stereotypes in the Man Bookers Prize Winning Fiction

Nishtha Madaan, Sameep Mehta외 2명|arXiv (Cornell University)|2018. 07. 25.

Authorship Attribution and Profiling참고 문헌 19인용 수 5

한 줄 요약

이 논문은 1969~2017년도 맨 부커상 예비작 275편의 소설을 대상으로 NLP와 구글리드 서평의 의미 모델링을 사용해 성별 고정관념을 분석한다. 단어 임bedding, 유사성 추론, 지식 그래프 기반의 편향 제거 기법을 활용해 직업, 외모, 행동 측면에서 광범위한 편향을 특정하며, 남성은 높은 지위의 역할과 연결되고 여성은 양육적 또는 수동적인 특성과 연결되는 경향을 보인다. 결과적으로 시간이 지남에 따라 점진적인 개선이 이루어지지만 여전히 지속적인 성별 격차가 존재함을 확인한다.

ABSTRACT

The presence of gender stereotypes in many aspects of society is a well-known phenomenon. In this paper, we focus on studying and quantifying such stereotypes and bias in the Man Bookers Prize winning fiction. We consider 275 books shortlisted for Man Bookers Prize between 1969 and 2017. The gender bias is analyzed by semantic modeling of book descriptions on Goodreads. This reveals the pervasiveness of gender bias and stereotype in the books on different features like occupation, introductions and actions associated to the characters in the book.

연구 동기 및 목표

• 높은 영향력 있는 문학적 소설에서 성별 고정관념을 계산적으로 분석하고 정량화하는 것, 특히 직업, 외모, 행동 측면에서 캐릭터 묘사에 중점을 두는 것.
• 구글리드 서평에서의 책 서술이 남성 및 여성 캐릭터와 어떻게 의미적으로 연관되어 있는지 분석하여 성별 편향이 어떻게 나타나는지 조사하는 것.
• 의미 모델링과 지식 그래프를 활용해 문학적 텍스트 내 성별 고정관념을 식별하고 수정하는 데 효과적인 편향 제거 프레임워크를 개발하고 평가하는 것.
• 1969년에서 2017년까지 권위 있는 문학적 소설에서 성별 표현과 편향의 추세를 분석하기 위해 275편의 다양한 예비작으로 구성된 대규모 코퍼스를 사용하는 것.
• 내용 생성 및 공정성 기반 NLP에 응용 가능한 확장 가능한 NLP 기반 파ip라인을 제공하는 것, 즉 문학적 및 서사적 텍스트 내 성별 편향을 탐지하고 제거하는 데 기여하는 것.

제안 방법

• 남성/여성 성별 대명사(he/she)와 직업어(예: doctor, nurse) 간의 의미 관계를 모델링하기 위해 단어 임bedding를 사용하며, 벡터 산술을 통해 편향을 식별: (he - she) ≈ (x - y).
• 유사도 기반 임계값을 적용해 성별 고정관념을 반영하는 유사어 쌍(예: doctor/nurse, king/queen)을 탐지한다.
• 성별 어휘 쌍의 지식 기반을 구축하며, he, she와의 유사도 기반 거리 기준으로 필터링하여, 코사인 거리 임계값을 기준으로 성별 중립 또는 성별 특정 쌍으로 분류한다.
• Stanford Open Information Extraction (OpenIE)와 공명성 해결 기법을 사용해 캐릭터별 행동과 관계를 추출하며, 아기 이름 목록을 활용해 성별을 추론한다.
• 의존성 분석을 통해 캐릭터 기반 지식 그래프를 구축하고 중심성 중심성 지표를 계산하여, 편향 제거를 위한 대상으로서의 문맥 인식 가능한 성별 쌍 교환을 가능하게 한다.
• 두 단계로 구성된 편향 제거 프로세스를 구현: 첫 번째 단계에서 편향이 있는 어휘 쌍을 식별하고, 두 번째 단계에서 서사의 일관성을 유지하기 위해 높은 중심성과 타당성이 있는 캐릭터-역할 쌍에 대해서만 성별 전환을 수행한다.

실험 결과

연구 질문

• RQ1 맨 부커상 수상 소설의 남성 및 여성 캐릭터는 직업, 외모, 행동 측면에서 어떻게 성별 고정관념적으로 묘사되는가?
• RQ2 서평에서의 성별 연관성은 실제 직업적 및 사회적 고정관념을 어느 정도 반영하고 있는가?
• RQ3 단어 임bedding와 지식 그래프를 기반으로 한 계산 프레임워크가 문학적 텍스트 내 성별 고정관념을 효과적으로 탐지하고 제거할 수 있는가?
• RQ4 1969년에서 2017년까지 높은 영향력 있는 문학적 소설에서 캐릭터 묘사 내 성별 고정관념은 시간이 지남에 따라 어떻게 변화하는가?
• RQ5 성별 언어는 문학적 소설에서 캐릭터의 중심성과 서사적 역할 배정에 어떤 영향을 미치는가?

주요 결과

• 남성 캐릭터는 '의사', '왕', '리더'와 같은 높은 지위의 직업과 유의미하게 더 많이 연관되어 있는 반면, 여성 캐릭터는 '간호사' 또는 '모친'와 같은 낮은 지위이거나 양육적 역할과 더 많이 연결되어 있다.
• 벡터 오프셋 (he - she)는 '의사/간호사'와 같은 직업 쌍과 강하게 일치하여, 성별에 기반한 직업 편향이 의미 공간 내에 내재되어 있음을 시사한다.
• 외모 기반 묘사에서는 남성 캐릭터가 '강한', '강력한' 등의 특성과 더 자주 연결되고, 여성 캐릭터는 '온순한', '아름다운', '섬세한' 등의 특성과 연결되어 전통적인 성별 역할을 강화한다.
• 서평에서 언급된 남성 캐릭터의 수가 여성 캐릭터의 수를 초월하여, 여성의 서사적 주목도가 부족함을 나타낸다.
• 여성 캐릭터와 연결된 행동과 관계는 돌봄, 감정, 가정 영역에 더 자주 연결되는 반면, 남성 캐릭터는 리더십, 폭력, 주체성과 더 자주 연관되어 있다.
• 시간이 지남에 따라 점진적인 개선이 이루어지지만, 데이터는 여전히 수상작들 사이에서도 성별 편향이 광범위하고 지속됨을 보여준다.