National and Kapodistrian University of Athens
A Greek Dataset for the Detection of Online Sexism Against Women
Abstract
dc:descriptionΗ παρούσα μελέτη παρουσιάζει, το πρώτο, από όσο γνωρίζουμε, μεγάλης κλίμακας (~14000 παραδείγματα), χειρωνακτικά επισημειωμένο σύνολο δεδομένων για την ανίχνευση σεξισμού στην ελληνική γλώσσα, με στόχο τις γυναίκες. Το σύνολο δεδομένων συλλέχθηκε από διάφορες πλατφόρμες κοινωνικής δικτύωσης, όπως το Twitter (Χ), το Reddit και το YouTube, και επισημειώθηκε τόσο σε δυαδικό επίπεδο (σεξιστικό, μη σεξιστικό) όσο και σε πιο λεπτομερές επίπεδο, καλύπτοντας οκτώ διαφορετικούς τύπους σεξισμού αλλά και τη διάκριση μεταξύ άμεσων και έμμεσων εκφάνσεων σεξισμού. Πραγματοποιήσαμε μια σειρά πειραμάτων χρησιμοποιώντας τα μοντέλα ανοιχτών βαρών Greek BERT, Meltemi και Kri-Kri, εφαρμόζοντας τόσο τεχνικές fine-tuning όσο και τεχνικές βασισμένες σε prompting. Prompting εφαρμόστηκε επίσης με τα μοντέλα κλειστών βαρών GPT-3.5 και GPT-4o μέσω των αντίστοιχων APIs. Όλα τα πειράματα διεξήχθησαν αποκλειστικά στο υποσύνολο των δεδομένων που προέρχονται από το Twitter. Τα αποτελέσματα δείχνουν ότι το GPT-4o, παρότι δεν χρησιμοποιεί fine-tuning, επιτυγχάνει υψηλή επίδοση και ξεπερνά όλα τα υπόλοιπα μοντέλα. Μεταξύ των μοντέλων που δοκιμάστηκαν, εκείνα που εκπαιδεύτηκαν (fine-tuned) απέδωσαν καλύτερα από τις αντίστοιχες prompt-based εκδοχές τους. Αξιοσημείωτο είναι ότι το Kri-Kri, το πιο πρόσφατο και μεγαλύτερο σε αριθμό παραμέτρων ελληνικό μοντέλο ξεπέρασε τα υπόλοιπα fine-tuned μοντέλα, επιδεικνύοντας ιδιαίτερη αποτελεσματικότητα στην ανίχνευση σεξισμού στα ελληνικά. Ωστόσο, όλα τα μοντέλα παρουσίασαν δυσκολία στην αναγνώριση έμμεσου σεξισμού, γεγονός που αναδεικνύει την εγγενή πρόκληση εντοπισμού λεπτών και έμμεσων μορφών σεξιστικής ρητορικής κατά των γυναικών.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Μάντζιου Πηνελόπη
- Mantziou Pinelopi
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:5309095