مجموعة بيانات معيارية للنكات المصورة مع نسخ نصية للكشف التلقائي عن المحتوى النسائي التحقيري متعدد الوسائط

في هذه الورقة نقدم مجموعة بيانات معيارية تم إنشاؤها كجزء من مشروع للتعريف التلقائي بالتحقير ضد النساء ضمن المحتوى على الإنترنت، والذي يركز بشكل خاص على النكات المصورة. المجموعة المعيارية الموصوفة هنا تتكون من 800 نكتة مصورة تم جمعها من أشهر منصات التواصل الاجتماعي مثل فيسبوك، تويتر، إنستغرام ورديت، بالإضافة إلى مواقع استشارية مكرسة لجمع وإنشاء النكات المصورة. لجمع النكات المصورة التحقيقية ضد النساء، تم اعتبار كلمات مفتاحية محددة تشير إلى محتوى تحقيري للنساء كمعيار بحث، مع الأخذ في الاعتبار مظاهر مختلفة للكراهية ضد النساء، مثل التنمر الجسدي، التنميط، التشخيص كموضوع، والعنف. بالتوازي، تم تنزيل نكات مصورة بدون محتوى تحقيري يدويًا من نفس المصادر على الويب. من بين جميع النكات المصورة التي جُمعت، قام ثلاثة خبراء في المجال باختيار مجموعة بيانات مكونة من 800 نكتة متوازنة بالتساوي بين النكات التحقيقية وغير التحقيقية. تم التحقق من صحة هذه المجموعة عبر منصة تمويل جماعي، شارك فيها 60 شخصًا في عملية التصنيف، لجمع ثلاث تقييمات لكل مثال. تم جمع تسميات ثنائية إضافية من الخبراء ومن منصة التمويل الجماعي للنكات التي تم تقييمها على أنها تحقر النساء، تتعلق بالعدائية والسخرية. أخيرًا لكل نكتة تم نسخ النص يدويًا. المجموعة المقدمة تتكون بالتالي من 800 نكتة، التصنيفات المقدمة من الخبراء وتلك التي تم الحصول عليها من التحقق عبر التمويل الجماعي، والنصوص المنسوخة. يمكن استخدام هذه البيانات لمقاربة مشكلة الكشف التلقائي لمحتوى الكراهية ضد النساء على الويب بالاعتماد على كل من الدلائل النصية والبصرية، في مواجهة ظواهر تنمو يوميًا مثل التمييز الجنسي عبر الإنترنت والعنف الميسر بالتكنولوجيا.