Onderzoekers van Rutgers zeggen dat gendervooroordelen en stereotypen die overeenkomen met bepaalde beroepen veel voorkomen op digitale en sociale mediaplatforms.

De studie, gepubliceerd in de Tijdschrift van de Vereniging voor Informatiewetenschap en Technologie , stelt vast dat online afbeeldingen van mannen en vrouwen in vier beroepen:bibliothecaris, verpleegster, computer programmeur, en burgerlijk ingenieur – hebben de neiging om bestaande genderstereotypen te vertegenwoordigen en te versterken.

In de studie, Onderzoekers van Rutgers analyseerden zoekresultaten voor afbeeldingen van mensen in elk van de vier beroepen op vier digitale mediaplatforms:Twitter, NYTimes.com, Wikipedia, en Shutterstock. Ze vergeleken de zoekresultaten ook met de genderrepresentatie van elk beroep volgens het Amerikaanse Bureau of Labor Statistics.

De resultaten toonden aan dat genderstereotypen en vooroordelen veel voorkomen. Vrouwen waren oververtegenwoordigd als bibliothecarissen en verpleegsters en ondervertegenwoordigd als computerprogrammeurs en civiel ingenieurs, vooral wanneer het verzamelen en beheren van inhoud grotendeels wordt geautomatiseerd door een algoritme, zoals op Twitter.

Echter, op platforms waar individuen directer content kunnen genereren en beheren, zoals de NYTimes.com en Shutterstock, stereotypen werden eerder uitgedaagd. Zoekresultaten van NYTimes.com, bijvoorbeeld, produceerde beelden van civiel ingenieurs die vrouwen zijn, en verpleegsters die mannen zijn, vaker dan zou worden verwacht gezien hun vertegenwoordiging in de arbeidsstatistieken.

"Meer directe contentcuratie helpt genderstereotypen tegen te gaan, " zei Vivek Singh, een assistent-professor bibliotheek- en informatiewetenschappen aan de Rutgers' School of Communication and Information.

Hoewel vrouwen over het algemeen ondervertegenwoordigd zijn in door mannen gedomineerde beroepen op digitale mediaplatforms, Singh merkte enige vooruitgang op in de richting van gelijkheid in de gendergerelateerde presentatie van afbeeldingen van 2018 tot 2019. Bijvoorbeeld, In 2019 werden meer vrouwen getoond in afbeeldingen voor door mannen gedomineerde beroepen op Twitter dan in 2018.

"Gendervooroordeel beperkt het vermogen van mensen om een ​​loopbaan te kiezen die bij hen past en staat eerlijke praktijken in de weg, gelijkheid en gelijkheid betalen, " zei co-auteur Mary Chayko, een socioloog en interdisciplinair onderwijsprofessor aan de School of Communication and Information. "Het is essentieel om de prevalentie en patronen van vooroordelen en stereotypen in online afbeeldingen te begrijpen, en kan ons helpen uitdagen, en hopelijk ooit een pauze, deze stereotypen."

De onderzoekers zeiden dat de studie kan helpen voorkomen dat vooroordelen worden ontworpen in digitale mediaplatforms, algoritmen, en kunstmatige intelligentiesoftware. En hoewel mensen inderdaad algoritmen maken, de resultaten van het onderzoek kunnen makers van inhoud en platformontwerpers helpen te bepalen of algoritme-zware of mens-zware curatie wellicht beter geschikt is voor een taak.

De studie was co-auteur van Raj Inamdar, een onderzoeksmedewerker bij Rutgers' Behavioural Informatics Lab en Diana Floegel, een promovendus aan de Rutgers' School of Communication and Information.