{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3369695"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3369695","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Automatic Misogyny Detection in Memes: A Systematic Literature Review","abstract":"Τα μιμίδια (memes) είναι ένα από τα πιο διαδεδομένα μέσα επικοινωνίας ανάμεσα στους χρήστες του διαδικτύου. Είναι πολυτροπικά μέσα, καθώς ο συνδυασμός γλώσσας κι εικόνας είναι υπεύθυνος για την κατανόηση του μηνύματος που οι χρήστες θέλουν να επικοινωνήσουν. Η έρευνα της παρούσας διπλωματικής εργασίας επικεντρώνεται στη μελέτη των πολυτροπικών μισογυνιστικών μιμιδίων. Η παρούσα διπλωματική εργασία αποτελεί τη πρώτη βιβλιογραφική επισκόπηση στο συγκεκριμένο ερευνητικό πεδίο, ακολουθώντας ως μεθοδολογία το πρωτόκολλο PRISMA, μια καθιερωμένη μεθοδολογία για τη διενέργεια αναπαραγώγιμων επισκοπήσεων και τη σύνθεση ποσοτικών και ποιοτικών τεκμηριωμένων ερευνών, σε διάφορους κλάδους. Μέσω αυτής της μεθοδολογίας, καταλήξαμε σε ορισμένα συμπεράσματα σχετικά με το ζήτημα των μισογυνιστικών μιμιδίων και της αυτόματης ανίχνευσής τους, τα οποία μας οδήγησαν σε προτάσεις για μελλοντικές κατευθύνσεις σε αυτό το θέμα. Ερευνήθηκαν όλα τα υπάρχοντα σύνολα δεδομένων για το συγκεκριμένο θέμα, όπως επίσης και οι σύγχρονες τεχνικές ταξινόμησης. Διαπιστώσαμε ότι τα περισσότερα συστήματα που εξετάστηκαν αναπτύχθηκαν για το διαγωνισμό SemEval 2022 και συγκεκριμένα το θέμα: Ανίχνευση μιοσογυνιστικών μιμιδίων και στη πραγματικότητα ότι το τρέχον ζήτημα εμφανίστηκε στο ερευνητικό προσκήνιο μόλις το 2019, αλλά αναπτύχθηκε έκτοτε ραγδαία. Ανακαλύψαμε ότι υπάρχουν δύο σύνολα δεδομένων (MAMI και MEME) για το ερευνητικό θέμα με παρεμφερείς οδηγίες επισημείωσης. Τα καλύτερα συστήματα τελευταίας τεχνολογίας για την εργασία αυτή χρησιμοποίησαν (α) πολυτροπικές προσεγγίσεις, (β) τεχνικές επαύξησης δεδομένων (τόσο για εικόνα όσο και για κείμενο) και (γ) ασχολήθηκαν με τη μετατόπιση τομέα. Τέλος, κάναμε ορισμένες παρατηρήσεις σχετικά με τα εξεταζόμενα συστήματα και τις δυσκολίες του έργου και προτείναμε αντίστοιχες ερευνητικές κατευθύνσεις. Ειδικότερα παρατηρούμε (α) την ανάγκη εφαρμογής ενός διαφορετικού τρόπου επισημείωσης των δεδομένων και προτείναμε το πλαίσιο COSMOROE, το οποίο αποτυπώνει τη σημασιολογική συσχέτιση εικόνας και κειμένου, (β) εντοπίσαμε την ανάγκη δημιουργίας συνόλων δεδομένων που θα επιτυγχάνουν υψηλότερη συμφωνία μεταξύ των σχολιαστών από το σύνολο δεδομένων στο οποίο εκτελούνται οι περισσότεροι αλγόριθμοι της εργασίας, (γ) επισημαίνουμε την ανάγκη για περαιτέρω έρευνα σχετικά με τη δομή και το περιεχόμενο των συνόλων δεδομένων, ώστε να προσδιοριστεί ο βαθμός στον οποίο τα πρότυπα μιμιδίων με την ίδια εικόνα και το ίδιο κείμενο (ή το αντίστροφο) επηρεάζουν την απόδοση ταξινόμησης και δ) σημειώνουμε επίσης ότι τα δεδομένα θα πρέπει να επισημειωθούν λαμβάνοντας υπόψη τις μελέτες και τις θεωρίες για το φύλο, οδηγώντας σε σύνολα δεδομένων χωρίς αποκλεισμούς.","abstract_html":"Τα μιμίδια (memes) είναι ένα από τα πιο διαδεδομένα μέσα επικοινωνίας ανάμεσα στους χρήστες του διαδικτύου. Είναι πολυτροπικά μέσα, καθώς ο συνδυασμός γλώσσας κι εικόνας είναι υπεύθυνος για την κατανόηση του μηνύματος που οι χρήστες θέλουν να επικοινωνήσουν. Η έρευνα της παρούσας διπλωματικής εργασίας επικεντρώνεται στη μελέτη των πολυτροπικών μισογυνιστικών μιμιδίων. Η παρούσα διπλωματική εργασία αποτελεί τη πρώτη βιβλιογραφική επισκόπηση στο συγκεκριμένο ερευνητικό πεδίο, ακολουθώντας ως μεθοδολογία το πρωτόκολλο PRISMA, μια καθιερωμένη μεθοδολογία για τη διενέργεια αναπαραγώγιμων επισκοπήσεων και τη σύνθεση ποσοτικών και ποιοτικών τεκμηριωμένων ερευνών, σε διάφορους κλάδους. Μέσω αυτής της μεθοδολογίας, καταλήξαμε σε ορισμένα συμπεράσματα σχετικά με το ζήτημα των μισογυνιστικών μιμιδίων και της αυτόματης ανίχνευσής τους, τα οποία μας οδήγησαν σε προτάσεις για μελλοντικές κατευθύνσεις σε αυτό το θέμα. Ερευνήθηκαν όλα τα υπάρχοντα σύνολα δεδομένων για το συγκεκριμένο θέμα, όπως επίσης και οι σύγχρονες τεχνικές ταξινόμησης. Διαπιστώσαμε ότι τα περισσότερα συστήματα που εξετάστηκαν αναπτύχθηκαν για το διαγωνισμό SemEval 2022 και συγκεκριμένα το θέμα: Ανίχνευση μιοσογυνιστικών μιμιδίων και στη πραγματικότητα ότι το τρέχον ζήτημα εμφανίστηκε στο ερευνητικό προσκήνιο μόλις το 2019, αλλά αναπτύχθηκε έκτοτε ραγδαία. Ανακαλύψαμε ότι υπάρχουν δύο σύνολα δεδομένων (MAMI και MEME) για το ερευνητικό θέμα με παρεμφερείς οδηγίες επισημείωσης. Τα καλύτερα συστήματα τελευταίας τεχνολογίας για την εργασία αυτή χρησιμοποίησαν (α) πολυτροπικές προσεγγίσεις, (β) τεχνικές επαύξησης δεδομένων (τόσο για εικόνα όσο και για κείμενο) και (γ) ασχολήθηκαν με τη μετατόπιση τομέα. Τέλος, κάναμε ορισμένες παρατηρήσεις σχετικά με τα εξεταζόμενα συστήματα και τις δυσκολίες του έργου και προτείναμε αντίστοιχες ερευνητικές κατευθύνσεις. Ειδικότερα παρατηρούμε (α) την ανάγκη εφαρμογής ενός διαφορετικού τρόπου επισημείωσης των δεδομένων και προτείναμε το πλαίσιο COSMOROE, το οποίο αποτυπώνει τη σημασιολογική συσχέτιση εικόνας και κειμένου, (β) εντοπίσαμε την ανάγκη δημιουργίας συνόλων δεδομένων που θα επιτυγχάνουν υψηλότερη συμφωνία μεταξύ των σχολιαστών από το σύνολο δεδομένων στο οποίο εκτελούνται οι περισσότεροι αλγόριθμοι της εργασίας, (γ) επισημαίνουμε την ανάγκη για περαιτέρω έρευνα σχετικά με τη δομή και το περιεχόμενο των συνόλων δεδομένων, ώστε να προσδιοριστεί ο βαθμός στον οποίο τα πρότυπα μιμιδίων με την ίδια εικόνα και το ίδιο κείμενο (ή το αντίστροφο) επηρεάζουν την απόδοση ταξινόμησης και δ) σημειώνουμε επίσης ότι τα δεδομένα θα πρέπει να επισημειωθούν λαμβάνοντας υπόψη τις μελέτες και τις θεωρίες για το φύλο, οδηγώντας σε σύνολα δεδομένων χωρίς αποκλεισμούς.","abstract_has_math":false,"creators":["Σαββινίδου Αθηνά","Savvinidou Athina"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:27:03Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3369695"],"render_values":[{"text":"uoadl:3369695","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3369695","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3369695","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3369695","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Σαββινίδου Αθηνά","Savvinidou Athina"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3369695","https://pergamos.lib.uoa.gr/uoa/dl/object/3369695"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα μιμίδια (memes) είναι ένα από τα πιο διαδεδομένα μέσα επικοινωνίας ανάμεσα στους χρήστες του διαδικτύου. Είναι πολυτροπικά μέσα, καθώς ο συνδυασμός γλώσσας κι εικόνας είναι υπεύθυνος για την κατανόηση του μηνύματος που οι χρήστες θέλουν να επικοινωνήσουν. Η έρευνα της παρούσας διπλωματικής εργασίας επικεντρώνεται στη μελέτη των πολυτροπικών μισογυνιστικών μιμιδίων. Η παρούσα διπλωματική εργασία αποτελεί τη πρώτη βιβλιογραφική επισκόπηση στο συγκεκριμένο ερευνητικό πεδίο, ακολουθώντας ως μεθοδολογία το πρωτόκολλο PRISMA, μια καθιερωμένη μεθοδολογία για τη διενέργεια αναπαραγώγιμων επισκοπήσεων και τη σύνθεση ποσοτικών και ποιοτικών τεκμηριωμένων ερευνών, σε διάφορους κλάδους. Μέσω αυτής της μεθοδολογίας, καταλήξαμε σε ορισμένα συμπεράσματα σχετικά με το ζήτημα των μισογυνιστικών μιμιδίων και της αυτόματης ανίχνευσής τους, τα οποία μας οδήγησαν σε προτάσεις για μελλοντικές κατευθύνσεις σε αυτό το θέμα. Ερευνήθηκαν όλα τα υπάρχοντα σύνολα δεδομένων για το συγκεκριμένο θέμα, όπως επίσης και οι σύγχρονες τεχνικές ταξινόμησης. Διαπιστώσαμε ότι τα περισσότερα συστήματα που εξετάστηκαν αναπτύχθηκαν για το διαγωνισμό SemEval 2022 και συγκεκριμένα το θέμα: Ανίχνευση μιοσογυνιστικών μιμιδίων και στη πραγματικότητα ότι το τρέχον ζήτημα εμφανίστηκε στο ερευνητικό προσκήνιο μόλις το 2019, αλλά αναπτύχθηκε έκτοτε ραγδαία. Ανακαλύψαμε ότι υπάρχουν δύο σύνολα δεδομένων (MAMI και MEME) για το ερευνητικό θέμα με παρεμφερείς οδηγίες επισημείωσης. Τα καλύτερα συστήματα τελευταίας τεχνολογίας για την εργασία αυτή χρησιμοποίησαν (α) πολυτροπικές προσεγγίσεις, (β) τεχνικές επαύξησης δεδομένων (τόσο για εικόνα όσο και για κείμενο) και (γ) ασχολήθηκαν με τη μετατόπιση τομέα. Τέλος, κάναμε ορισμένες παρατηρήσεις σχετικά με τα εξεταζόμενα συστήματα και τις δυσκολίες του έργου και προτείναμε αντίστοιχες ερευνητικές κατευθύνσεις. Ειδικότερα παρατηρούμε (α) την ανάγκη εφαρμογής ενός διαφορετικού τρόπου επισημείωσης των δεδομένων και προτείναμε το πλαίσιο COSMOROE, το οποίο αποτυπώνει τη σημασιολογική συσχέτιση εικόνας και κειμένου, (β) εντοπίσαμε την ανάγκη δημιουργίας συνόλων δεδομένων που θα επιτυγχάνουν υψηλότερη συμφωνία μεταξύ των σχολιαστών από το σύνολο δεδομένων στο οποίο εκτελούνται οι περισσότεροι αλγόριθμοι της εργασίας, (γ) επισημαίνουμε την ανάγκη για περαιτέρω έρευνα σχετικά με τη δομή και το περιεχόμενο των συνόλων δεδομένων, ώστε να προσδιοριστεί ο βαθμός στον οποίο τα πρότυπα μιμιδίων με την ίδια εικόνα και το ίδιο κείμενο (ή το αντίστροφο) επηρεάζουν την απόδοση ταξινόμησης και δ) σημειώνουμε επίσης ότι τα δεδομένα θα πρέπει να επισημειωθούν λαμβάνοντας υπόψη τις μελέτες και τις θεωρίες για το φύλο, οδηγώντας σε σύνολα δεδομένων χωρίς αποκλεισμούς.","Memes are one of the most widespread means of communication among internet users. They are multimodal in nature, combining language and images to formulate the message intended by their creators. This thesis focuses on the study of misogynistic memes. This thesis comprises performed the first systematic literature review on this topic; it employs the PRISMA protocol, an established methodology for performing reproducible reviews and drawing quantitative and qualitative evidence synthesis on state of the art research, employed in diverse disciplines. Through this methodology, we reached a number of conclusions regarding the topic of misogynist memes and their automatic detection that led us to suggestions on the way forward in this task. We examined all available datasets for the task as well as the corresponding state of the art classification techniques. We found that most systems reviewed were developed for the SemEval 2022 misogynistic meme detection challenge and, that actually, the task emerged in the research foreground just in 2019 but has been very rapidly developed since. There are currently two datasets (MAMI and MEME) for the task with comparable annotation guidelines. The best state-of-the-art systems for this task employed (a) multimodal approaches, (b) data augmentation techniques (for both image and text) and (c) dealt with domain shift. Last, we made a number of observations related to the reviewed systems and the difficulties of the task and suggested corresponding research directions; in particular, we observe (a) the necessity to apply a different way to label the data and we proposed the COSMOROE framework, which captures the semantic association of image and text, (b) we identify the need to create datasets that would achieve higher inter annotator agreement than the dataset on which most algorithms currently run, (c) we point out the need for further research into the structure and contents of the datasets to determine the extent template memes with the same image and text (or vice-versa) affect classification performance and (d) we also note that data should be annotated taking into account gender studies and theories, leading to more inclusive datasets."]},{"key":"dc:title","label":"Title","values":["Automatic Misogyny Detection in Memes: A Systematic Literature Review"]}]}],"canonical_facts":{"dc:creator":["Σαββινίδου Αθηνά","Savvinidou Athina"],"dc:date":["2023"],"dc:description":["Τα μιμίδια (memes) είναι ένα από τα πιο διαδεδομένα μέσα επικοινωνίας ανάμεσα στους χρήστες του διαδικτύου. Είναι πολυτροπικά μέσα, καθώς ο συνδυασμός γλώσσας κι εικόνας είναι υπεύθυνος για την κατανόηση του μηνύματος που οι χρήστες θέλουν να επικοινωνήσουν. Η έρευνα της παρούσας διπλωματικής εργασίας επικεντρώνεται στη μελέτη των πολυτροπικών μισογυνιστικών μιμιδίων. Η παρούσα διπλωματική εργασία αποτελεί τη πρώτη βιβλιογραφική επισκόπηση στο συγκεκριμένο ερευνητικό πεδίο, ακολουθώντας ως μεθοδολογία το πρωτόκολλο PRISMA, μια καθιερωμένη μεθοδολογία για τη διενέργεια αναπαραγώγιμων επισκοπήσεων και τη σύνθεση ποσοτικών και ποιοτικών τεκμηριωμένων ερευνών, σε διάφορους κλάδους. Μέσω αυτής της μεθοδολογίας, καταλήξαμε σε ορισμένα συμπεράσματα σχετικά με το ζήτημα των μισογυνιστικών μιμιδίων και της αυτόματης ανίχνευσής τους, τα οποία μας οδήγησαν σε προτάσεις για μελλοντικές κατευθύνσεις σε αυτό το θέμα. Ερευνήθηκαν όλα τα υπάρχοντα σύνολα δεδομένων για το συγκεκριμένο θέμα, όπως επίσης και οι σύγχρονες τεχνικές ταξινόμησης. Διαπιστώσαμε ότι τα περισσότερα συστήματα που εξετάστηκαν αναπτύχθηκαν για το διαγωνισμό SemEval 2022 και συγκεκριμένα το θέμα: Ανίχνευση μιοσογυνιστικών μιμιδίων και στη πραγματικότητα ότι το τρέχον ζήτημα εμφανίστηκε στο ερευνητικό προσκήνιο μόλις το 2019, αλλά αναπτύχθηκε έκτοτε ραγδαία. Ανακαλύψαμε ότι υπάρχουν δύο σύνολα δεδομένων (MAMI και MEME) για το ερευνητικό θέμα με παρεμφερείς οδηγίες επισημείωσης. Τα καλύτερα συστήματα τελευταίας τεχνολογίας για την εργασία αυτή χρησιμοποίησαν (α) πολυτροπικές προσεγγίσεις, (β) τεχνικές επαύξησης δεδομένων (τόσο για εικόνα όσο και για κείμενο) και (γ) ασχολήθηκαν με τη μετατόπιση τομέα. Τέλος, κάναμε ορισμένες παρατηρήσεις σχετικά με τα εξεταζόμενα συστήματα και τις δυσκολίες του έργου και προτείναμε αντίστοιχες ερευνητικές κατευθύνσεις. Ειδικότερα παρατηρούμε (α) την ανάγκη εφαρμογής ενός διαφορετικού τρόπου επισημείωσης των δεδομένων και προτείναμε το πλαίσιο COSMOROE, το οποίο αποτυπώνει τη σημασιολογική συσχέτιση εικόνας και κειμένου, (β) εντοπίσαμε την ανάγκη δημιουργίας συνόλων δεδομένων που θα επιτυγχάνουν υψηλότερη συμφωνία μεταξύ των σχολιαστών από το σύνολο δεδομένων στο οποίο εκτελούνται οι περισσότεροι αλγόριθμοι της εργασίας, (γ) επισημαίνουμε την ανάγκη για περαιτέρω έρευνα σχετικά με τη δομή και το περιεχόμενο των συνόλων δεδομένων, ώστε να προσδιοριστεί ο βαθμός στον οποίο τα πρότυπα μιμιδίων με την ίδια εικόνα και το ίδιο κείμενο (ή το αντίστροφο) επηρεάζουν την απόδοση ταξινόμησης και δ) σημειώνουμε επίσης ότι τα δεδομένα θα πρέπει να επισημειωθούν λαμβάνοντας υπόψη τις μελέτες και τις θεωρίες για το φύλο, οδηγώντας σε σύνολα δεδομένων χωρίς αποκλεισμούς.","Memes are one of the most widespread means of communication among internet users. They are multimodal in nature, combining language and images to formulate the message intended by their creators. This thesis focuses on the study of misogynistic memes. This thesis comprises performed the first systematic literature review on this topic; it employs the PRISMA protocol, an established methodology for performing reproducible reviews and drawing quantitative and qualitative evidence synthesis on state of the art research, employed in diverse disciplines. Through this methodology, we reached a number of conclusions regarding the topic of misogynist memes and their automatic detection that led us to suggestions on the way forward in this task. We examined all available datasets for the task as well as the corresponding state of the art classification techniques. We found that most systems reviewed were developed for the SemEval 2022 misogynistic meme detection challenge and, that actually, the task emerged in the research foreground just in 2019 but has been very rapidly developed since. There are currently two datasets (MAMI and MEME) for the task with comparable annotation guidelines. The best state-of-the-art systems for this task employed (a) multimodal approaches, (b) data augmentation techniques (for both image and text) and (c) dealt with domain shift. Last, we made a number of observations related to the reviewed systems and the difficulties of the task and suggested corresponding research directions; in particular, we observe (a) the necessity to apply a different way to label the data and we proposed the COSMOROE framework, which captures the semantic association of image and text, (b) we identify the need to create datasets that would achieve higher inter annotator agreement than the dataset on which most algorithms currently run, (c) we point out the need for further research into the structure and contents of the datasets to determine the extent template memes with the same image and text (or vice-versa) affect classification performance and (d) we also note that data should be annotated taking into account gender studies and theories, leading to more inclusive datasets."],"dc:identifier":["uoadl:3369695","https://pergamos.lib.uoa.gr/uoa/dl/object/3369695"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Automatic Misogyny Detection in Memes: A Systematic Literature Review"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:27:03Z"}