Neue Publikation deckt geschlechtsspezifische Differenzen in Bilderkennungssystemen auf

| Kategorien: GESIS-News

Carsten Schwemmer, Carly Knight, Emily Bello-Pardo, Stan Oklobdzija, Martijn Schoonvelde, Jeffrey Lockhart (2020). Diagnosing Gender Bias in Image Recognition Systems. In Socius. URL: https://journals.sagepub.com/doi/full/10.1177/2378023120967171

In einer neuen Veröffentlichung bewerten die Autor*innen mögliche geschlechtsspezifische Differenzen kommerzieller Bilderkennungsplattformen anhand von Fotos von US-Kongressmitgliedern und einer großen Anzahl von Twitter-Bildern, die von diesen Politiker*innen gepostet wurden. Die Crowdsourcing-Validierung der Autor*innen zeigt, dass kommerzielle Bilderkennungssysteme Bildbeschreibungen erzeugen können, die gleichzeitig korrekt und verzerrt sind, indem sie eine selektive Teilmenge vieler möglicher Bildbeschreibungen vergeben. Sie stellen fest, dass Bilder von Frauen dreimal mehr Anmerkungen zum physischen Erscheinungsbild erhielten. Darüber hinaus werden Frauen in Bildern im Vergleich zu Männern wesentlich seltener erkannt. Schließlich diskutieren die Autor*innen, inwieweit sich die aufgezeigten geschlechtsspezifischen Differenzen auf die Sichtbarkeit von Frauen auswirken, Geschlechterstereotypen verstärken und die Gültigkeit der Erkenntnisse einschränken, die Wissenschaftlier*innen aus solchen Daten gewinnen können.