[论文解读] What are Your Pronouns? Examining Gender Pronoun Usage on Twitter

Julie Jiang, Emily Chen+5 more|arXiv (Cornell University)|Jul 22, 2022

Hate Speech and Cyberbullying Detection被引用 5

一句话总结

本研究基于2020–2021年收集的20亿条推文数据集，分析了Twitter上性别代词自我披露现象，发现代词使用量持续上升，尤其是she系列和非二元性别代词。研究显示，用户在社交网络中接触到代词披露信息后，未来采用代词的可能性显著提高，尤其体现在非二元性别代词上，凸显了社会影响在社交媒体中推动性别包容性语言方面的作用。

ABSTRACT

Stating your gender pronouns, along with your name, is becoming the new norm of self-introductions at school, at the workplace, and online. The increasing prevalence and awareness of nonconforming gender identities put discussions of developing gender-inclusive language at the forefront. This work presents the first empirical research on gender pronoun usage on large-scale social media. Leveraging a Twitter dataset of over 2 billion tweets collected continuously over two years, we find that the public declaration of gender pronouns is on the rise, with most people declaring as using she series pronouns, followed by he series pronouns, and a smaller but considerable amount of non-binary pronouns. From analyzing Twitter posts and sharing activities, we can discern users who use gender pronouns from those who do not and also distinguish users of various gender identities. We further illustrate the relationship between explicit forms of social network exposure to gender pronouns and their eventual gender pronoun adoption. This work carries crucial implications for gender-identity studies and initiates new research directions in gender-related fairness and inclusion, as well as support against online harassment and discrimination on social media.

研究动机与目标

• 了解Twitter用户个人简介中性别代词自我披露的普遍程度及其随时间的变化趋势。
• 探究用户在社交网络中接触到性别代词是否会影响其未来对代词的采用。
• 开发并验证一种从用户个人简介和在线行为中自动识别性别代词类别的方法。
• 考察she系列、he系列和非二元性别代词用户在采用模式上的差异。
• 通过社会影响机制，为在线平台促进性别包容性提供可操作的见解。

提出的方法

• 利用在新冠疫情期间（2020–2021年）收集的超过20亿条推文的大型纵向Twitter数据集，涵盖多样化用户群体。
• 采用自然语言处理与基于模式的分类方法，检测并分类用户个人简介和推文中出现的性别代词（如she、he、they、xe、ze等）。
• 通过测量与公开披露其代词的用户互动的频率，构建社交网络曝光度指标。
• 应用纵向建模方法，评估先前接触代词披露与未来代词采用之间的因果关系。
• 通过并行研究（Tucker和Jones，2022年）验证研究结果，以增强结果的可靠性。
• 采取伦理保护措施，包括聚合数据分析，不公开原始数据或个体标签，以保护LGBTQ+用户的安全。

实验结果

研究问题

• RQ1 Twitter用户个人简介中性别代词使用的普遍程度随时间如何变化？
• RQ2 能否通过用户的社交媒体行为自动识别其个人简介中是否存在性别代词及其类型？
• RQ3 能否通过用户先前在社交网络中接触代词披露的信息，自动识别其代词采用行为？
• RQ4 不同代词类别在社交网络中的曝光度如何影响未来的代词采用？
• RQ5 非二元性别代词用户是否对其社交网络中其他用户的代词采用行为具有独特影响？

主要发现

• 从2020年到2021年，披露其首选代词的Twitter用户比例上升了33%，但总体仍不足8%的用户。
• she系列代词出现在600万条推文中，是he系列用户（300万条推文）的两倍以上，表明女性代词具有更高的可见度和使用频率。
• 非二元性别代词在160万条推文中被披露，显示出显著但相对较小的存在感，仍具重要意义。
• 与他人披露代词接触较多的用户——尤其是非二元性别代词用户——未来更有可能自行采用代词。
• 非二元性别代词用户产生了不成比例的影响力：其在用户社交网络中的存在与非二元性别代词的采用关系最为紧密。
• 本研究证实，社交网络曝光是代词采用的关键驱动力，表明通过同伴行为提升可见度与正常化，可促进性别包容性语言的传播。