#圖片的性別偏見比文字更顯著

這份研究以Google、維基百科、網路電影資料庫（Internet Movie Database，IMDB）三個平台的上百萬張圖片與數十億個詞彙作為材料，分析它們與社會類別（例如護士、銀行家等）的性別關聯。

結果發現，無論是有關女性或男性的圖片，其性別偏見都比文本更加普遍。舉例來說，圖片更傾向將男性連結科學相關角色，將女性連結文科相關角色。

研究更指出，Google圖片中的女性代表性比起Google新聞文本、公眾輿論以及美國職業人口普查的結果都來得低，更可能加劇性別刻板印象。

#線上圖片的性別偏見更容易影響觀看者，而且心理效果更長

另一方面，研究針對四百多位參與者進行實驗，發現網路圖片更有可能塑造人們的偏見。

首先，網路圖片比文字更能左右受測者的偏見。例如，受測者隨機分組，一組利用Google新聞搜尋特定職業的文字描述，一組利用Google圖片搜尋特定職業的圖像。結果接觸過圖片的後者表現出更明顯的性別偏見。

此外，長時間接觸圖片後，更可能將原有的隱性性別偏見放大。例如受測者會將男性連結科學、女性連結文科。而且，在接觸圖片三天後，參與者仍然明顯表現出性別偏見，顯示其影響可能是持久的。

#該怎麼減少網路圖片的性別偏見？

前述結果雖然使人憂心，但研究者指出，無論是個人或組織，都可以透過許多方式逐漸減少網路圖片的性別偏見。例如增加圖片的多樣性、多加運用中性圖片、邀請不同的群體參與圖片設計，以及建立影像的審查與監督機制等。

此外，若人們在接觸、設計、運用網路圖片的同時，也能夠藉由性別化創新（Gendered Innovations）方法，重新思考語言與視覺表徵對於性別平等的影響，勢必更有助於阻止偏見的傳播，進而改善現狀。

想知道更多相關內容嗎，快點來看看原文研究  https://tinyurl.com/4ry5exhj

延伸閱讀：

性別化創新基礎方法－重新思考語言和視覺表徵 https://tinyurl.com/34dsmzpj

AI被人類教壞？修正大型語言模型中的性別偏見 http://tinyurl.com/376u5zmz

人類=淺膚色男性？深膚色女性=性感？如何改善AI生成圖像的偏見？ http://tinyurl.com/2wdpm52z