Banner mit Symbolen für Link, Textdokument und lachendem Gesicht (Smiley)

Für eine geschlechtsneutrale Sprache

Ein Lesetipp zum Thema diversitätssensible Sprache:

Im abschließenden Absatz:

„Innovative sprachliche Handlungen könnten hier ein wichtiger Baustein sein. Das Schöne ist, dass jede Person dies in jedem Moment machen kann. Wir müssen nicht auf neue Gesetze, Regeln, Normen warten – sprachlich respektvoll zu handeln und neue Ausdrucksweisen auszuprobieren, sind Möglichkeiten, die wir alle kontinuierlich haben, wollen wir an einer diskriminierungsfreieren Gesellschaft mitarbeiten. Sprache bietet uns eine Chance dazu, in jedem Moment.“ (zeit.de)

Banner mit Symbolen für Hyperlink, Texte, Video und lachendes Gesicht (Smiley)

Korrekte Wissens-Sprache

Mein Google-Alert hat mich recht spät erreicht.

In den scilogs auf spektrum.de gab es von Martin Ballaschk folgenden Artikel am 18. Oktober:

Mit vielen Kommentierenden…

Ein schöner Erfahrungsbericht des Autors aus der Welt eines Wissens-Kommunikators.

Im Artikel ist auch folgendes Video zum Thema mit der Wissens-Kommunikatorin Mai Thi Nguyen-Kim (maiLab):

Formulae for gender neutral word embedding

Sprache & künstliche Intelligenz = Stereotype

„PS: In jetziger Zeit kommt hinzu, dass wir unsere sprachliche Unkorrektheit an künstliche Intelligenzen weitergeben! Siehe z.B. auf Englisch, sciencemag.org: Even artificial intelligence can acquire biases against race and gender“ (inklusiv korrekt positiv: bewusst kommunizieren, Kapitel Signalwörter: das generische Maskulinum)

Im eBook hat es nur für eine Fußnote gereicht. Jetzt hatte ich Zeit, mich mit diesem spannenden Thema zu beschäftigen.

Natural Language Processing (NLP)

Wie macht eine KI Sinn aus unserer Sprache?

Indem sie durch Machine Learning große Datensätze an Text (corpus) menschlicher Sprache (natural language) verarbeitet und in mathematische Modelle (vector spaces) umwandelt.

Wiederholung (co-occurence) und Kontext (word embedding) sind dabei entscheidende Kriterien, um Wörter miteinander in Verbindung zu bringen (semantic connections, associations).

Auf diese Weise nähert sich eine KI der Bedeutung eines Wortes.

Dieser Prozess wird als Natural Language Processing bezeichnet (NLP)

Auf wikipedia.org:

Zurzeit nutzt Google:

Facebook:

Von der Stanford University:

Stereotype

Die enormen Datenmengen an verarbeitetem Text reproduzieren dabei in der KI die Stereotype, die bereits in unserer Sprache vorhanden sind.

Z.B. das englische geschlechtsneutrale Wort ‚programmer‘. ‚Programmer‘ tritt sehr oft im gleichen Kontext mit ‚he‘ und ‚computer‘ auf. Wohingegen z.B. ’nurse‘ mit ’she‘ und ‚costume‘ in Verbindung steht.

Oder: Europäisch-Amerikanische Namen finden sich in einem ‚positiven‘ Deutungsraum der KI wieder (happy, gift). Wohingegen afrikanisch-amerikanische Namen in einem ’negativen‘ liegen.

„“If you didn’t believe that there was racism associated with people’s names, this shows it’s there,” said Bryson“ in einem Interview (guardian.co.uk)

Die zentrale Studie zu dem Thema ist von 2017:

Die Forschenden (Aylin Caliskan, Joanna Bryson und Arvind Narayanan) präsentieren ihre Studie ebenfalls in einem kurzen Video:

Artikel, die sich mit der Studie beschäftigen:

Bereits 2016 deuteten einige Artikel von technologyreview.com auf den Zusammenhang von Sprache, Sexismus und KIs hin:

Die Lösung?

Via:

Es gibt schon eine Lösung, zumindest für KIs, welche GloVe nutzen: Gender-Neutral GloVe, kurz: GN-GloVE

Die KI korrigiert ihre Vektoren und wird en-stereotypisiert (debiased).

Das sieht dann so aus:

Formulae for gender neutral word embedding
Screenshot aus Learning Gender-Neutral Word Embeddings, Seite 2)

<ironie>Tja, Data-Wissenschaftler und Wissenschaftlerinnen haben es einfach .-) </ironie>

Ich denke, für humane Intelligenzen, die deutsch sprechen, lässt sich ein Teil des kryptischen Screenshots sehr schnell übersetzen: vermeide das generische Maskulinum.

Mein Fazit

Die oben genannte Studie bezieht sich auf die englische Sprache.

„…but things get more gendered [in languages] such as German…“ Aylin Caliskan (popsci.com)

Sprache ist nicht neutral und war es nie. Die Studie über Sprache und KIs zeigt, dass ein Zusammenhang zwischen Sprache und menschlicher Wahrnehmung (Kognition) und menschlichem Denken (z.B. Stereotype) besteht.

„How does bias get into language, do people start making biased associations from the way they are exposed to language? Knowing that will also help us find answers to maybe a less biased future.” Aylin Caliskan (popsci.com)

Das generische Maskulinum auf Code-Ebene

In einem vorherigen Post hatte ich folgenden Beispielsatz:

„Den Gedanken, dass Programmierer sich ihrer sozialen Verantwortung bewusst werden müssen, finde ich extrem bedeutsam.“

Als HTML-Code könnte das generische Maskulinum so aussehen:

<p>„Den Gedanken, dass <weiblich-mitgemeint>Programmierer</weiblich-mitgemeint> sich ihrer sozialen Verantwortung bewusst werden müssen, finde ich extrem bedeutsam.“</p>

Oder lieber direkt als CSS-Klasse auslagern?

<p class=“mitgemeint“>„Den Gedanken, dass Programmierer sich ihrer sozialen Verantwortung bewusst werden müssen, finde ich extrem bedeutsam.“</p>

p.mitgemeint {
text-intention: bei generischem Maskulinum sind weibliche Menschen mitgemeint}

Apropos framing: grammatical framing

Nachdem ich den Post über meine Lieblings-Zitate aus dem Buch Political Framing  gemacht hatte, guckte ich beim Twitter von Elisabeth Wehling vorbei. Dort habe ich das #GrammaticalFraming zusammen mit dem #GenerischesMaskulinum gefunden.

Eine sehr gute Vernetzung!

Das generische Maskulinum ist eine Form des Framings. Durch die permante Wiederholung von Wörtern im grammatikalischen generischen Maskulinum brennen sich die Wörter neuronal in die Gedanken von Menschen ein. Und dort sind die Wörter Wissen, das auch Handeln prägt…

…auch die Szene der Gründenden?

„Nach wie vor sind Frauen als Gründer deutlich in der Unterzahl. 85 Prozent der Gründer sind Männer. In den vergangenen Jahren hat sich dieser Wert kaum verbessert. Beim ersten Bericht im Jahr 2013 waren 87 Prozent der Gründer männlich.“ (handelsblatt.de)

Aus:

Gründerinnen gibt es nicht!? Sprachliche Inklusion und Gleichbehandlung hört sich andern an, Repräsentation mit Wörtern geht korrekter:

Nach wie vor sind Frauen als Gründende deutlich in der Unterzahl. 85 Prozent der Gründenden sind Männer. In den vergangenen Jahren hat sich dieser Wert kaum verbessert. Beim ersten Bericht im Jahr 2013 waren 87 Prozent der Gründenden männlich.

Zum Suchwort ‚weiblicher Gründer‘ (google.de) lieferte mir Google gerade „Ungefähr 2.500 Ergebnisse (0,30 Sekunden)“!