Los investigadores han desarrollado un nuevo marco de aprendizaje automático que utiliza descripciones de escenas en guiones de películas para reconocer automáticamente las acciones de diferentes personajes. La aplicación del marco a cientos de guiones de películas mostró que estas acciones tienden a reflejar estereotipos de género generalizados, algunos de los cuales se encuentran consistentes a lo largo del tiempo. Víctor Martínez y sus colegas de la Universidad del Sur de California, EE. UU. presentan estos hallazgos en la revista de acceso abierto PLOS ONE el 21 de diciembre.
Las películas, los programas de televisión y otros medios retratan constantemente los estereotipos de género tradicionales, algunos de los cuales pueden ser dañinos. Para profundizar la comprensión de este problema, algunos investigadores han explorado el uso de marcos computacionales como una forma eficiente y precisa de analizar grandes cantidades de diálogos de personajes en guiones. Sin embargo, algunos estereotipos dañinos pueden comunicarse no a través de lo que dicen los personajes, sino a través de sus acciones.
Para explorar cómo las acciones de los personajes pueden reflejar estereotipos, Martinez y sus colegas utilizaron un enfoque de aprendizaje automático para crear un modelo computacional que puede analizar automáticamente las descripciones de escenas en guiones de películas e identificar las acciones de diferentes personajes. Usando este modelo, los investigadores analizaron más de 1,2 millones de descripciones de escenas de 912 guiones de películas producidos entre 1909 y 2013, identificando cincuenta mil acciones realizadas por veinte mil personajes.
A continuación, los investigadores realizaron análisis estadísticos para examinar si había diferencias entre los tipos de acciones realizadas por personajes de diferentes géneros. Estos análisis identificaron una serie de diferencias que reflejan estereotipos de género conocidos.
Por ejemplo, descubrieron que los personajes femeninos tienden a mostrar menos agencia que los personajes masculinos y que es más probable que los personajes femeninos muestren afecto. Es menos probable que los personajes masculinos « sollocen » o « lloren », y es más probable que los personajes femeninos sean objeto de « observaciones » u « observaciones » por parte de otros personajes, lo que resalta el énfasis en la apariencia femenina.
Si bien el modelo de los investigadores está limitado por el alcance de su capacidad para capturar completamente el contexto social matizado que relaciona el guión con cada escena y la narrativa general, estos hallazgos se alinean con investigaciones previas sobre los estereotipos de género en los medios populares y podrían ayudar a generar conciencia sobre cómo los medios pueden perpetuar estereotipos dañinos y, por lo tanto, influir en las creencias y acciones de la vida real de las personas. En el futuro, el nuevo marco de aprendizaje automático podría refinarse y aplicarse para incorporar nociones de interseccionalidad, como entre género, edad y raza, para profundizar la comprensión de este problema.
Los autores agregan : « Los investigadores propusieron usar métodos de aprendizaje automático para identificar estereotipos en los diálogos de personajes en los medios, pero estos métodos no tienen en cuenta los estereotipos dañinos comunicados a través de las acciones de los personajes. Para abordar este problema, desarrollamos un aprendizaje automático a gran escala. marco que puede identificar las acciones de los personajes a partir de las descripciones de guiones de películas. Al recopilar 1,2 millones de descripciones de escenas de 912 guiones de películas, pudimos estudiar las diferencias de género sistemáticas en las representaciones de películas a gran escala ».