Table of links Stůl vlevo ABSTRACT abstraktní INTRODUCTION Úvodní SEARCH ENGINES AND WOMEN’S DESCRIPTIVE REPRESENTATION Vyhledávače a ženská reprezentace MEASURING THE EXTENT OF ALGORITHMIC REPRESENTATION Měření rozsahu algoritmické reprezentace GENERAL DISCUSSION, CONCLUSION   AND   REFERENCES Obecná diskuse, závěr a Reference SEARCH ENGINES AND WOMEN’S DESCRIPTIVE REPRESENTATION Vyhledávače a ženská reprezentace Kolektivní popisné zastoupení je kvalita politických institucí zastupovat své občany na základě sdílených politických a sociodemografických charakteristik (Atkeson a Carrillo 2007; Bratton a Ray 2002). Zvýšení v popisné zastoupení menšinových skupin byly spojeny s výsledky politiky, které prospívají jejich podstatné zájmy, čímž se snižuje strukturální nerovnosti (Bratton a Ray 2002; Hessami a da Fonseca 2020; Lowande et al. 2019; Wängnerud 2009; Mendelberg et al. 2014). Začlenění žen do řídících orgánů má také symbolickou kvalitu (Stokes-Brown a Dolan 2010). Zda vlády přiměřeně přibližují demografické složení jejich obyvatelstva „posílá důležité signály o tom, Vědci identifikovali mediální diskurz jako důležitý faktor, který utváří způsob, jakým se občané vidí a zda vnímají své zájmy jako zastoupené (Kahn 1994). Převládajícím závěrem této linie práce je, že politické pokrytí pod- a nepravdivě představuje menšinové skupiny (Gershon 2013; Van Der Pas a Aaldering 2020) a že tyto zkreslení v pokrytí vedou ke snížení hodnocení politických kandidátů patřících k těmto skupinám (Rohrbach et al. 2023; van Oosten et al. 2024). V tomto článku řešíme tuto velmi potřebnou aktualizaci této linie uvažování a navrhujeme rámec algoritmického zastoupení. Jádrem argumentu rámce je, že politické nerovnosti jsou zabud Algorithmic representation as outcome of structural inequalities Většina lidí se nikdy nesetkává s politiky osobně, ale prostřednictvím zprostředkovatelů, jako je mediální pokrytí (Shehata a Strömbäck 2014; Kahn 1994). Teze o zprostředkování pohlaví uvádí, že transformace politické reality do zprostředkované reality se děje prostřednictvím různých novinářských filtrů (Gidengil a Everitt 2000; Trimble et al. 2022). Tyto filtry mají podobu genderových organizačních struktur novinových místností, postupů získávání a psaní novinářů a jejich profesních norem (Riedl et al. 2022). Tato filtrovaná zprostředkování představuje publikum s pokryvem, které kvantitativně a kvalitativně podporuje masculinizovaný (a bílý) pohled na politiku. Tyto názory Dnes se nepřímé setkání s politickými osobnostmi stále častěji odehrávají v digitálních prostorách kurovaných AI. Vyhledávače poháněné AI – ale také zdroje sociálních médií a systémy doporučující zprávy – strukturují, jaké účty o politických voličích mohou vidět (a které ne; viz např. Wallace 2018; Friesen et al. 2021). Navíc v „post-rozhlasových demokraciích“ je v některých případech lidský vliv novinářů stále více nahrazen informacemi získanými prostřednictvím jejich vyhledávání na internetu, než v tradičních zpravodajských médiích (viz např. Stier et al. 2022). Studie ukazují, že vyhledávače jako Google se staly klíčovými zdroji politických informací (Trevisan et al. 2018; Urman H1: Baseline bias: ženy jsou algoritmicky nedostatečně zastoupeny v (genderově neutrálním) politickém výsledku vyhledávání obrázků Google Pokud se masculinizovaná politická a sociální realita překládá do algoritmického podreprezentace žen na Googlu, pak rozsah tohoto podreprezentace by se měl lišit v různých společnostech s různými politickými referenčními hodnotami, pokud jde o popisné zastoupení žen.4 Půjčující se z teorie sociálních rolí, Niven (1998, 2004) vysvětluje podreprezentaci žen v politických médiích jako funkci nedostatečnosti ženských vedoucích rolí. Tento pohled je v souladu s dynamickými stereotypními modely, které zdůrazňují, že stereotypy jsou utvářeny distribucí žen a mužů mezi různými profesními rolemi – to znamená v politice, jejich přítomnost v úřadech (Diekman et al. 2004; Eagly et H2: Distribuční bias: Algoritmická podreprezentace žen je pozitivně korelována s jejich popisným zastoupením v různých zemích, ale nepřekračuje ji. Algorithmic representation as a driver of political perceptions Zatímco přímé šachy jsou také zavedeny hypotézy, že ženy jsou pravděpodobně algoritmicky méně viditelné než muži v výsledku politických vyhledávání Google v národních kontextech. Vycházející z 3Pro první dvě hypotézy se zaměřujeme výhradně na pohlaví a ignorujeme otázku hlasování a ignorujeme rasu ze dvou důvodů. Za prvé, měření podílu nebílých politiků na výstupu Google by mohlo vyžadovat označování rasy zobrazených osob na čistě vizuálním základě. Kromě silných etických obav účastníků zelených, výpočetní označování se opírá o algoritmy pro rozpoznávání obličeje, které samy podléhají vrozeným rasovým předsudkům (Cavazos et al. 2021; Scheuer Představujeme, že algoritmická reprezentace funguje v rámci mechanismu strategické diskriminace ve dvou krocích. Za prvé, reprezentace menšinových skupin v výstupech vyhledávačů deformuje individuální vnímání popisné reprezentace těchto skupin (H3). Tímto způsobem představujeme, že výstup vyhledávače slouží jako politický heuristický krmení genderového rozdílu vnímání (Lau a Redlawsk 2001; McDermott 1997), což je „systematické přeceňování mužů a podceňování žen o jejich volitelnosti“ (Ashworth et al. 2024, 290).Vzhledem k tomu, že většina voličů nemá jasnou představu o skutečném demografickém složení politických institucí (viz např. Stauffer 2021), uživatelé vyhledávačů přiblíží algoritm H3: Percepční předsudek: Algoritmické podzastoupení žen a nebílých politiků snižuje odhady jejich popisného zastoupení. Bateson (2020) identifikuje vnímanou schopnost kandidáta získávat finanční prostředky, generovat mediální pokrytí a vyhrát nad voliči jako určující faktory volitelnosti. Vnímání voličů těchto rozměrů zůstává nejasné a obtížné empiricky zachytit. Proto tento přístup rozšiřujeme a zavádíme reprezentaci v výsledcích vyhledávání Google jako klíčovou proměnnou ve strategickém výpočtu voličů. Vzhledem k tomu, že vyhledávače jsou tak pravidelně a široce používány, jakož i důvěryhodné, představují pro jednotlivce téměř pravděpodobný zdroj pro vytvoření jejich „předvoleb druhého řádu“ – to znamená vnímání ideologického a demografického profilu kandidáta, který by abstraktní průměrný volič podpor Kromě snížení vnímané volitelnosti kandidátů patřících do menšinových skupin existuje důvod se domnívat, že podhodnocení popisného zastoupení také snižuje vnější účinnost voličů, chápáno jako vnímání, že vláda reaguje na jejich obavy (H4b; Atkeson a Carrillo 2007). Konkrétně Stauffer (2021) přesvědčivě ukázal pro případ ženských politiků, že je to subjektivní vnímání voličů o začlenění žen spíše než jejich objektivní realita, která utváří politická hodnocení (viz také Dolan a Sanbonmatsu 2009). H4: Strategické předsudky: Podceňované popisné představy zase snižují hodnocení voličů o (a) volitelnosti žen a nebílých politiků a (b) vnější účinnosti voličů 
 
 
 Autoři : » 
 
 
 
 Tobias Rohrbach Mykola Makhortykh Maryna Sydorova Autoři : » 
 
 
 
 Tobiáš Rohrbach Mykola Makhortykh Maryna Sydorová 
 
 Tento dokument je k dispozici v archivu pod licencí CC by 4.0 Deed (Attribution 4.0 International). Tento dokument je k dispozici v archivu pod licencí CC by 4.0 Deed (Attribution 4.0 International). Dostupné v archivu

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Bias in Algorithmic Technology Exposed 

undefined's blog

Tento zvuk je produkován v původním jazyce příběhu!

Jak vyhledávače posilují genderové rozdíly v politickém zastoupení

About Author

KOMENTÁŘE

ZAVĚŠIT ZNAČKY

TENTO ČLÁNEK BYL PŘEDSTAVEN V

Related Stories

Coinshift Launches csUSDL, Announces Strategic Partnerships

Coinshift Launches csUSDL, Announces Strategic Partnerships

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps