Automatische Klassifikation von Sexismus in sozialen Netzwerken: Eine empirische Studie zu Twitter-Daten

In den letzten zehn Jahren verbreitet sich hasserfüllter und sexistischer Inhalt gegen Frauen zunehmend in sozialen Netzwerken. Die Exposition gegenüber sexistischer Sprache hat ernsthafte Konsequenzen für das Leben von Frauen und schränkt ihre Meinungsfreiheit ein. Frühere Studien konzentrierten sich darauf, Hass oder Gewalt gegen Frauen zu identifizieren. Sexismus jedoch wird auf sehr unterschiedliche Weise ausgedrückt: Er umfasst subtile Stereotypen und Einstellungen, die, obwohl häufig unbemerkt, sowohl für Frauen als auch für die Gesellschaft äußerst schädlich sind. In dieser Arbeit schlagen wir eine neue Aufgabe vor, die darauf abzielt zu verstehen und zu analysieren, wie Sexismus, von offener Hass oder Gewalt bis zu subtilen Ausdrucksformen, in Online-Konversationen zum Ausdruck kommt. Zu diesem Zweck haben wir den ersten Datensatz sexistischer Äußerungen und Einstellungen auf Twitter in Spanisch (MeTwo) entwickelt und veröffentlicht und untersuchen die Machbarkeit des Einsatzes von maschinellen Lerntechniken (sowohl traditionelle als auch neuartige Deep-Learning-Modelle) zur automatischen Erkennung verschiedener Arten sexistischer Verhaltensweisen. Unsere Ergebnisse zeigen, dass Sexismus in vielen Formen in sozialen Netzwerken häufig vorkommt, dass er ein breites Spektrum an Verhaltensweisen umfasst und dass es möglich ist, diese mit Deep-Learning-Ansätzen zu erkennen. Wir diskutieren die Leistung automatischer Klassifikationsmethoden zur Behandlung verschiedener Arten von Sexismus und die Übertragbarkeit unserer Aufgabe auf andere Teilgebiete, wie Misogynie.