Emo-bias: Una Evaluación a Gran Escala del Sesgo Social en el Reconocimiento de Emociones en el Habla

El rápido crecimiento del Reconocimiento de Emociones en el Habla (SER) tiene diversas aplicaciones globales, desde mejorar las interacciones humano-computadora hasta ayudar en diagnósticos de salud mental. Sin embargo, los modelos de SER podrían contener sesgo social hacia el género, lo que lleva a resultados injustos. Este estudio analiza el sesgo de género en modelos de SER entrenados con Aprendizaje Auto-Supervisado (SSL) a gran escala, explorando los factores que lo influyen. Se eligen modelos de SER basados en SSL por su rendimiento de vanguardia. Nuestra investigación pionera sobre el sesgo de género en SER desde las perspectivas del modelo y de los datos revela que las mujeres presentan un rendimiento general de SER ligeramente superior al de los hombres. CPC modificado y XLS-R, dos modelos de SSL bien conocidos, muestran un sesgo significativo. Además, los modelos entrenados con conjuntos de datos en mandarín exhiben un sesgo pronunciado hacia la valencia. Por último, encontramos que las diferencias en la distribución emocional según género en los datos de entrenamiento afectan significativamente el sesgo de género, mientras que la representación del modelo en la parte superior tiene un impacto limitado.