I media propagandano stereotipi?

LA RISPOSTA ARRIVA DALLE TECNICHE DI COMPUTER VISION E ANALISI DEL TESTO UTILIZZATE IN UNA RICERCA BOCCONI CHE EVIDENZIA QUANTO I MODERNI STRUMENTI AMPLIANO LA PORTATA DELL'ANALISI NELLE SCIENZE SOCIALI

di Carlo Rasmus Schwarz, Assistant Professor, Dipartimento di Economia

I media esercitano una forte influenza sul modo in cui le persone vedono e trattano i diversi gruppi in base al genere e all'etnia, in quanto le storie di cronaca modellano gli stereotipi, le convinzioni e, in ultima analisi, i comportamenti delle persone in settori quali l'istruzione, la famiglia e la politica. È quindi essenziale capire come i media, e in particolare i notiziari, descrivono i diversi gruppi e se gli stereotipi guidano queste rappresentazioni.
A questo proposito, si pongono delle sfide per i ricercatori, poiché gli stereotipi sono codificati nei media in molteplici modi e non tutti sono facilmente visibili o misurabili. Recenti ricerche hanno cercato di affrontare la questione utilizzando tecniche di elaborazione del linguaggio naturale che consentono di studiare le associazioni tra le parole utilizzate dai giornalisti nei loro testi.
Ciò che finora è stato trascurato è l'importanza delle immagini quando si tratta di inclinazione e stereotipi nei media. In un recente progetto di ricerca, i miei coautori Elliott Ash, Ruben Durante e io abbiamo studiato gli stereotipi visivi nelle immagini dei giornali facendo uso di tecniche di intelligenza artificiale e, più specificamente, dei recenti progressi nel campo della computer vision.
In particolare, utilizziamo una modalità di deep-learning addestrata su misura, in grado di riconoscere le caratteristiche identitarie (come sesso/razza/etnia) delle persone mostrate nelle immagini. In questo modo, possiamo automatizzare la nostra analisi invece di dover codificare centinaia di migliaia di immagini a mano. Un ulteriore vantaggio di questo approccio è la coerenza della classificazione, che non può essere garantita da nessun codificatore umano.
Nella nostra analisi, ci siamo concentrati su due importanti testate giornalistiche statunitensi: il New York Times e la Fox. In totale, abbiamo analizzato oltre due milioni di articoli pubblicati sulle edizioni web delle due testate tra il 2000 e il 2020, di cui 690 mila accompagnati da un'immagine.
Un importante risultato del nostro lavoro si concentra sugli stereotipi occupazionali nelle immagini dei giornali. In altre parole, analizziamo se i giornali perpetuano stereotipi comuni sulle scelte professionali di gruppi specifici, ad esempio gli uomini bianchi che lavorano come manager.
Utilizzando il nostro approccio di computer vision in combinazione con tecniche di analisi del testo, possiamo dimostrare che le immagini degli articoli di giornale mostrano stereotipi di genere e razziali, nel senso che i lavori che sono stereotipati come "femminili" o "neri" hanno maggiori probabilità di essere rappresentati da un'immagine che mostra il rispettivo gruppo di identità.
Un'occupazione è considerata stereotipata se una quota relativa maggiore di questo gruppo di identità lavora in un'occupazione. Ad esempio, anche se i neri, a causa della loro presenza nella popolazione complessiva degli Stati Uniti, occupano un posto di lavoro come quello di "addetto all'elaborazione della posta", possono essere considerati stereotipati in quanto una quota maggiore di neri lavora in questa occupazione rispetto ad altri gruppi di identità. Per fare un altro esempio, il lavoro più stereotipato per le donne è quello di "segretaria".
È sorprendente che la nostra analisi controlli le quote reali di occupazione in ogni professione, ad esempio la quota di "addetti alla posta" che sono neri. Questo ci permette di distinguere gli stereotipi dalle semplici differenze nella rappresentazione dei gruppi di identità nelle varie professioni negli Stati Uniti.
I nostri risultati evidenziano i potenziali casi d'uso dell'IA e degli strumenti di computer vision per lo studio di questioni di ricerca nel campo delle scienze sociali. Inoltre, data l'ubiquità delle immagini negli affari, nella politica e nei social media, i moderni strumenti di computer vision ampliano in modo significativo la portata dell'analisi nelle scienze sociali.