Automatisk kvantificering af kønsbias i film via billedanalyse

Mange kommercielle film verden over fortsætter med at udtrykke kvindelighed på en stereotyp måde, viste en nylig undersøgelse ved hjælp af billedanalyse. Et KAIST-forskerhold udviklede en ny billedanalysemetode til automatisk at kvantificere graden af ​​kønsbias i film.

Bechdel-testen har været den mest repræsentative og generelle metode til at evaluere kønsbias i film. Denne test angiver graden af ​​kønsbias i en film ved at måle, hvor aktiv tilstedeværelsen af ​​kvinder er i en film. En film består Bechdel-testen, hvis filmen (1) har mindst to kvindelige karakterer, (2) der taler med hinanden, og (3) deres samtale er ikke relateret til de mandlige karakterer.

Imidlertid, Bechdel -testen har grundlæggende begrænsninger med hensyn til evalueringens nøjagtighed og anvendelighed. For det første, Bechdel-testen kræver betydelige menneskelige ressourcer, som det udføres subjektivt af en person. Vigtigere, Bechdel -testen analyserer kun et enkelt aspekt af filmen, dialogerne mellem karaktererne i scriptet, og giver kun et dikotomt resultat af bestået prøven, negligere det faktum, at en film er en visuel kunstform, der afspejler flerlags og komplicerede kønsbias-fænomener. Det er også svært fuldt ud at repræsentere nutidens forskellige diskurs om kønsbias, som er meget mere forskelligartet end i 1985, da Bechdel-testen første gang blev præsenteret.

Inspireret af disse begrænsninger, et KAIST-forskerhold ledet af professor Byungjoo Lee fra Graduate School of Culture Technology foreslog et avanceret system, der bruger computervisionsteknologi til automatisk at analysere den visuelle information af hver enkelt frame af filmen. Dette gør det muligt for systemet mere præcist og praktisk at vurdere, i hvilken grad kvindelige og mandlige karakterer er afbildet på en diskriminerende måde i en film i kvantitative termer, og muliggør yderligere afsløring af kønsbias, som konventionelle analysemetoder endnu ikke kunne opdage.

Professor Lee og hans forskere Ji Yoon Jang og Sangyoon Lee analyserede 40 film fra Hollywood og Sydkorea udgivet mellem 2017 og 2018. De nedsamplede filmene fra 24 til 3 billeder i sekundet, og brugte Microsofts Face API -teknologi til ansigtsgenkendelse og objektdetekteringsteknologi YOLO9000 til at verificere detaljerne i karaktererne og deres omgivende objekter i scenerne.

Ved hjælp af det nye system, holdet beregnede otte kvantitative indeks, der beskriver repræsentationen af ​​et bestemt køn i filmene. De er:følelsesmæssig mangfoldighed, rumlig staticitet, rumlig belægning, tidsmæssig belægning, gennemsnitlig alder, intellektuelt billede, vægt på udseende, og type og hyppighed af omgivende genstande.

Indekset for omgivende objekters type og frekvens afslørede, at kvindelige karakterer og biler kun blev sporet sammen 55,7 procent så meget som mandlige karakterer, mens de var mere tilbøjelige til at dukke op med møbler og i en husholdning, med 123,9 procents sandsynlighed.

I tilfælde af tidsmæssig belægning og gennemsnitsalder, kvindelige karakterer optrådte sjældnere i film end mænd med en sats på 56 procent, og var i gennemsnit yngre i 79,1 procent af tilfældene. Disse to indekser var især iøjnefaldende i koreanske film.

Professor Lee sagde, "Vores forskning bekræftede, at mange kommercielle film skildrer kvinder fra et stereotypisk perspektiv. Jeg håber, at dette resultat fremmer offentlighedens bevidsthed om vigtigheden af ​​at være forsigtig, når filmskabere skaber karakterer i film."