{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5309095"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5309095","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"A Greek Dataset for the Detection of Online Sexism Against Women","abstract":"Η 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.","abstract_html":"Η 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.","abstract_has_math":false,"creators":["Μάντζιου Πηνελόπη","Mantziou Pinelopi"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:40:24Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5309095"],"render_values":[{"text":"uoadl:5309095","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5309095","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5309095","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%3A5309095","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μάντζιου Πηνελόπη","Mantziou Pinelopi"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"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:5309095","https://pergamos.lib.uoa.gr/uoa/dl/object/5309095"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η 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.","This study introduces, to the best of our knowledge, the first large-scale, (~14000 instances) manually annotated dataset for the detection of online sexism in the Greek language, against women. The dataset was collected from multiple social media platforms, including Twitter (X), Reddit, and YouTube, and annotated at both a binary level (sexist vs. non-sexist) and a fine-grained level, capturing eight distinct types of sexism as well as the distinction between direct and indirect expressions. We conducted a series of experiments using open-weight models such as Greek BERT, Meltemi, and Kri-Kri, applying both fine-tuning and prompt-based techniques. Prompt-based evaluation was also performed using the closed-weight GPT-3.5 and GPT-4o relying on the respective APIs. All experiments were conducted exclusively on the Twitter dataset. Results show that GPT-4o, even without fine-tuning, achieves strong performance and outperforms the other models overall. Among the models, those that were fine-tuned on the dataset performed better than their prompt-based counterparts. Notably, Krikri outperformed the other fine-tuned models, demonstrating strong effectiveness in the Greek sexism detection task. However, all models showed noticeable difficulty in detecting indirect sexism, highlighting the inherent challenge of identifying subtle and implicit expressions of sexism against women."]},{"key":"dc:title","label":"Title","values":["A Greek Dataset for the Detection of Online Sexism Against Women"]}]}],"canonical_facts":{"dc:creator":["Μάντζιου Πηνελόπη","Mantziou Pinelopi"],"dc:date":["2025"],"dc:description":["Η 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.","This study introduces, to the best of our knowledge, the first large-scale, (~14000 instances) manually annotated dataset for the detection of online sexism in the Greek language, against women. The dataset was collected from multiple social media platforms, including Twitter (X), Reddit, and YouTube, and annotated at both a binary level (sexist vs. non-sexist) and a fine-grained level, capturing eight distinct types of sexism as well as the distinction between direct and indirect expressions. We conducted a series of experiments using open-weight models such as Greek BERT, Meltemi, and Kri-Kri, applying both fine-tuning and prompt-based techniques. Prompt-based evaluation was also performed using the closed-weight GPT-3.5 and GPT-4o relying on the respective APIs. All experiments were conducted exclusively on the Twitter dataset. Results show that GPT-4o, even without fine-tuning, achieves strong performance and outperforms the other models overall. Among the models, those that were fine-tuned on the dataset performed better than their prompt-based counterparts. Notably, Krikri outperformed the other fine-tuned models, demonstrating strong effectiveness in the Greek sexism detection task. However, all models showed noticeable difficulty in detecting indirect sexism, highlighting the inherent challenge of identifying subtle and implicit expressions of sexism against women."],"dc:identifier":["uoadl:5309095","https://pergamos.lib.uoa.gr/uoa/dl/object/5309095"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["A Greek Dataset for the Detection of Online Sexism Against Women"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:40:24Z"}