امروز زمانهی آگاهی و مطالعه و کند و کاو هر آنچه است که تا به حال انسان را از نظر جنسیت، باور، طبقه، نژاد و … از هم دور و در بی‌عدالتی نگه داشته است. خوب یا بد (تحلیلگری جایی نوشته بود ما از اساس با جهانی‌شدن مشکل داریم و تاریخ این را ثابت می‌کند) ما دیگر با جهانی مواجه نیستیم که ساکنانش بخواهند یک جنسیت، طبقه، نژاد یا باور بر دیگری یا دیگران ارجحیت و سلطه داشته باشد. بنابراین اگر بناست همراه با جهان پیش برویم که بهتر است برویم یا این خواسته‌ی بخشی از اجتماع انسانی است شاید وقت آن فرا رسیده باشد که با کمک علم و پژوهش و یافته‌های بشر در این راه یعنی حرکت به سوی جهانی برابر با روشنایی انداختن بر نابرابری‌ها، این مرزها را کنار بزنیم و جهان آزادتری برای خود و نسل‌های آینده بسازیم. در همین راستا، به تازگی پژوهشی با موضوع تبعیض جنسیتی در ادبیات انجام شده است که نشان می‌دهد احتمال اینکه شخصیت‌های کتاب، مرد باشند، چهار برابر احتمال زن‌بودن آن‌ها است.
محققان در دانشکده‌ی مهندسی یواس‌سی ویتربی (USC Viterbi) با استفاده از هوش مصنوعی بیش از سه‌هزار کتاب انگلیسی را در قالب‌های داستان کوتاه، شعر و رمان از موضوعات علمی تخیلی و ماجراجویی گرفته تا معمایی و عاشقانه را بررسی کردند. این تیم تحقیقاتی متوجه شد که حضور شخصیت‌های مرد در کتاب‌ها چهار برابر شخصیت‌های زن بوده است، هرچند این در آثاری که نویسنده‌شان زن بود کاهش می‌یافت. همچنین اصطلاحات منفی بیشتری در ارتباط با شخصیت‌های زن به‌کار رفته بود، مثلاً «ضعیف» و «احمق» در مقابل «قوی» و «قدرت» برای مردان. مایانک کجریوال نویسنده می‌گوید: «تبعیض جنسیتی واقعاً وجود دارد، و اینکه ما زنان را چهار برابر کمتر در ادبیات مشاهده می‌کنیم، بر ناخودآگاه مردمی که تحت تأثیر این فرهنگ هستند اثر می‌گذارد.»
این پژوهش که از طرف مؤسسه‌ی علوم اطلاعات یواس‌سی انجام شده است، ملهم از پژوهش‌های دیگری بود که در زمینه‌ی تبعیض‌های جنسی غیرمستقیم انجام شده بودند، که تنها نتایج کیفی به دست داده بود. این تیم، که کجریوال هم عضوی از آن است، می‌خواستند با استفاده از تکنیک‌های هوش مصنوعی، تعداد حضور مردان و زنان را در ادبیات و رسانه‌های گسترده‌تر محاسبه کنند. برای تولید این یافته‌ها، کجریوال و همکارش آکارش ناگاراج، از طریق مجموعه‌ی پروژه‌ی گوتنبرگ به داده‌ها دسترسی پیدا کردند تا پایگاهی از متون ایجاد کنند که بر اساس آن کار را ادامه دهند.
ناگاراج می‌گوید روش‌هایی که به‌کار بردند، و همچنین یافته‌ها، درک وسیع‌تری را از تبعیض و مفهوم آن در جامعه آشکار کرد. او افزود: «کتاب‌ها پنجره‌ای به گذشته‌اند، و نوشتار این نویسندگان به ما دیدگاهی از این می‌دهد که مردم دنیا را چطور می‌بینند، و دنیا چگونه تغییر کرده است.»
این پژوهش تعدادی روش ابداع کرد که از طریق آن‌ها می‌توان فهمید چند زن در ادبیات حضور داشته‌اند، از جمله روشی به نام «تشخیص موجودیت‌های اسمی» (NER) که برای استخراج شخصیت‌هایی با جنسیت مشخص به‌کار می‌رود.
کجریوال می‌گوید: «یکی از راه‌های مشخص کردن این موضوع از این طریق بود که ببینیم چند ضمیر مؤنث در مقایسه با ضمایر مذکر در یک کتاب به‌کار رفته است. روش دیگر این است که ببینیم چند نفر از شخصیت‌های اصلی کتاب، زن هستند.»
این روش به محققان این امکان را داد که مشخص کنند در حدود سه‌هزار داستان منتشرشده از سال‌های ۱۸۸۰ تا ۲۰۰۰، آیا شخصیت‌های مرد، شخصیت‌های محوری داستان هستند یا خیر. یافته‌های پژوهش همچنین نشان داد که در آثاری که به قلم نویسندگان زن نوشته شده‌اند، اختلافات میان شخصیت‌های زن و مرد کاهش می‌یابد.
ناگاراج می‌گوید: «مطالعات به روشنی به ما نشان داد که نویسندگان زن در آن زمان، خود را بسیار دقیق‌تر از نویسندگان مرد نشان می‌دادند.»
محدودیت‌هایی در روش‌های مورداستفاده‌ی تیم وجود داشت؛ برای مثال اگر زن یا مرد بودن نویسنده مشخص نبود، این موضوع نادیده گرفته می‌شد.
کجریوال می‌گوید: «وقتی مقاله‌ی پایگاه اطلاعاتی را منتشر کردیم، مخاطبان این نقد را مطرح کردند که ما جنسیت‌های غیردوگانه را نادیده گرفته‌ایم. اما ما به‌نحوی با آن‌ها موافقیم. فکر می‌کنیم روی این موضوعات سرپوش گذاشته شده بود، و ما نمی‌توانستیم افراد ترنس‌جندر و یا نان‌باینری زیادی را پیدا کنیم.»
کجریوال اذعان داشت که هنوز یک ابزار هوش مصنوعی مناسب برای تشخیص کلمات جمع مانند «ایشان»، که ممکن است برای یک شخص نان‌باینری به‌کار رفته باشد، وجود ندارد.
آن‌ها امیدوارند روش‌هایی که ابداع کرده‌اند بتواند سنگ بنای مطالعات آینده باشد که این موضوعات را به شکل مؤثرتری پوشش دهند. این پژوهش همچنین نقشه‌ای برای کارهای آینده در محاسبه‌ی آن دسته از یافته‌های کیفی ارائه می‌کند که در جریان روش‌شناسی این پژوهش کشف شدند. فارغ از تبعیض‌های طبیعی در مطالعات طراحی‌شده به دست انسان‌ها، هوش مصنوعی توانست صفاتی را که به شخصیت‌هایی با جنسیت مشخص مرتبط بودند، تشخیص دهد.
ناگاراج می‌گوید: «حتی با درنظرگرفتن درصد خطا، کلماتی که درباره‌ی زنان به‌کار رفته بودند، صفاتی بودند مانند ضعیف، دلفریب، خوشگل و گاهی اوقات احمق. برای شخصیت‌های مرد، کلماتی که آن‌ها را توصیف می‌کردند شامل رهبری، قدرت، نیرو و سیاست می‌شدند.»
این تیم تحقیقاتی می‌گوید با اینکه آن‌ها این بخش از تحقیقات خود را به‌طور دقیق محاسبه نکردند، اما تفاوت در توصیف شخصیت‌هایی با جنسیت‌های متفاوت باید در آینده در نظر گرفته شود. آن‌ها افزودند که بهتر است بررسی‌های کیفی فراگیرتری در زمینه‌ی ارتباط واژگان با جنسیت‌ها انجام شود.
کجریوال می‌گوید: «مطالعات ما نشان می‌دهد که دنیای واقعی پیچیده است، اما تمام گروه‌های متفاوت جامعه‌ی ما که در مبادلات فرهنگی شرکت می‌کنند، نقاط قوت خاص خود را دارند. وقتی این کار را بکنیم، دیدگاه واقع‌گرایانه‌تری نسبت به جامعه خواهیم داشت.»
کجریوال امیدوار است این پژوهش به تأکید بر اهمیت پژوهش‌های میان‌رشته‌ای کمک کند؛ یعنی استفاده از هوش مصنوعی برای شفاف‌سازی مشکلات اجتماعی و نابرابری‌هایی که دیده می‌شود. یافته‌های این پژوهش در روزنامه‌ی دیتا این بریف (Data in Brief) به چاپ رسیده‌اند.
- نگاهی به نابرابری جنسیتی در انیمیشن‌های دیزنی از «سفیدبرفی» تا «یخ‌زده»
منبع: dailymail
