[论文解读] It's a Man's Wikipedia? Assessing Gender Inequality in an Online Encyclopedia

Claudia Wagner, David García+2 more|arXiv (Cornell University)|Jan 26, 2015

Wikis in Education and Collaboration被引用 5

一句话总结

本文提出一种计算框架，通过多语言知名人物数据集，从覆盖度、结构性、词汇和可见性四个维度评估维基百科中的性别偏见。研究发现，尽管男性和女性在内容覆盖和 featured 页面展示方面相似，但女性被更多地与男性关联，并使用与家庭相关的术语描述，表明存在细微但显著的结构性和词汇性偏见。

ABSTRACT

Wikipedia is a community-created encyclopedia that contains information about notable people from different countries, epochs and disciplines and aims to document the world's knowledge from a neutral point of view. However, the narrow diversity of the Wikipedia editor community has the potential to introduce systemic biases such as gender biases into the content of Wikipedia. In this paper we aim to tackle a sub problem of this larger challenge by presenting and applying a computational method for assessing gender bias on Wikipedia along multiple dimensions. We find that while women on Wikipedia are covered and featured well in many Wikipedia language editions, the way women are portrayed starkly differs from the way men are portrayed. We hope our work contributes to increasing awareness about gender biases online, and in particular to raising attention to the different levels in which gender biases can manifest themselves on the web.

研究动机与目标

• 探究维基百科内容中超越可见代表性差异的系统性性别偏见。
• 开发一种计算方法，用于评估覆盖度、结构性、词汇性和可见性偏见等多个维度的性别偏见。
• 使用标准化参考数据集，分析六种维基百科语言版本中性别代表性与呈现方式的差异。
• 提高对在线知识平台（如维基百科）中细微但系统性性别偏见的认识。
• 为编辑实践和算法设计提供参考，以减少数字百科全书中的性别偏见。

提出的方法

• 本研究使用三个外部参考数据集——Freebase、HA 和 Pantheon——识别六种维基百科语言版本所在国家的知名人物。
• 定义了四个偏见维度：覆盖度（比例代表性）、结构性（链接同质性）、词汇性（传记中的用词）和可见性（是否出现在首页）。
• 针对结构性偏见，计算基于性别的链接不对称性：即女性传记文章更可能链接至男性，而非反之。
• 针对词汇性偏见，使用自然语言处理技术分析传记中性别化术语（如“妻子”、“母亲”、“配偶”）的使用频率。
• 对文章长度进行标准化处理，并比较男性与女性文章的中位词数及性别化术语频率。
• 该方法在六种语言版本（如英语、德语、法语）中保持一致，以支持跨语言比较。

实验结果

研究问题

• RQ1 在不同维基百科语言版本中，知名男性与女性的代表性程度在多大程度上是均衡的？
• RQ2 在男性与女性的传记中，所链接人物的性别分布有何差异，反映出结构性偏见？
• RQ3 与男性相比，女性传记中是否更频繁地提及家庭关系或浪漫关系，反映出词汇性偏见？
• RQ4 男性传记是否更可能被展示在维基百科首页，反映出可见性偏见？
• RQ5 不同维度的性别偏见如何相互作用，共同塑造知名人物在网上的呈现？

主要发现

• 覆盖度偏见极小：在所有六种语言版本中，知名女性的比例略高或与男性相当，无显著失衡。
• 可见性偏见不存在：无证据表明男性传记更可能被展示在英文维基百科首页。
• 结构性偏见存在：女性传记更常链接至男性，表明文章链接模式中存在性别化的不对称性。
• 词汇性偏见显著：女性传记更频繁地提及浪漫关系和家庭成员（如丈夫、子女），而男性传记则较少提及。
• 所有数据集中，女性文章的中位长度略长于男性，但该差异并非仅由性别化内容导致。
• 研究结果表明，尽管维基百科在覆盖度和可见度方面实现了性别平等，但链接和语言使用中的深层偏见仍持续强化性别化叙事。