Si mund të ndihmojë inteligjenca artificiale në përfaqësimin më të mirë të grave në lajme

19.03.2022. / 11:26

Viteve të fundit është folur gjithnjë e më shumë për pasojat negative të portave algoritmike, në të cilat – siç shkruan Safiya Umoja Noble në librin e saj – me paragjykimet e tyre të integruara ndaj grave, ato po bëhen algoritme të shtypjes. Prandaj, është shumë e rëndësishme t'i kushtohet vëmendje aplikimit pozitiv të algoritmeve dhe inteligjencës artificiale që të reduktohen këto paragjykime dhe përfundimisht të eliminohen ato.

JournalismAI është nismë globale e think-tankut medial Polis në London School of Economics (LSE) e mbështetur nga Google News Initiative. Kjo nismë synon të "informojë mediat për potencialin e teknologjive të inteligjencës artificiale (AI)". Pjesë e rëndësishme e kësaj nisme është komuniteti i gazetarëve dhe profesionistëve të tjerë që punojnë në media, të cilët përdorin AI në gazetari dhe raportimin medial. Në kuadër të aktiviteteve të veta, më 7.3.2022 kanë organizuar punëtorinë e parë duke treguar shembuj pozitivë të aplikimit në këtë komunitet. Tema e parë e punëtorisë ishte përfaqësimi i grave në lajme.

Tri folëset e shkëlqyera, Bárbara Libório, Sahiti Sarva dhe Delfina Arambillet na njohën me leksionet e përbashkëta të nxjerra përmes përdorimit të teknikave të inteligjencës artificiale për të njohur paragjykimet gjinore dhe gjuhën e urrejtjes ndaj grave dhe sfidat që duhen marrë parasysh kur përdoren këto teknologji për kërkime mediale.

Monitorimi i diskursit mizogjen në politikë

Bárbara Libório, gazetare e të dhënave dhe menaxhere mediale në AzMina nga Brazili, prezentoi rezultatet e zhvillimit dhe përdorimit të aplikacionit të Monitorimit të Diskursit Mizogjen në Politikë, të zhvilluar së bashku nga gazetarë që punojnë për La Nación, CLIP dhe DataCrítica në rajonin e Amerikës së Jugut. Atë e zhvilluan për të ekspozuar gjuhën e urrejtjes dhe sulmet ndaj kandidateve politike në Twitter para zgjedhjeve. AzMina lufton dhunën gjinore përmes përdorimit të informatave, teknologjisë dhe edukimit, dhe këtë projekt e shfrytëzuan për të monitoruar sulmet ndaj kandidateve politike para zgjedhjeve lokale në Brazil.

Për të përcaktuar se cilat tweete ishin fyese, atyre iu desh të aplikonin një filtër për termat dhe shprehjet fyese. Për shkak të mungesës së një procesi plotësisht të automatizuar, kjo përpjekje në fillim kërkonte një punë të madhe njerëzore për të analizuar çdo tweet dhe për të vlerësuar nëse ai përbënte sulm mizogjen. Kështu, i bashkuan forcat me organizatat e sipërpërmendura për të zbuluar nëse teknologjitë e AI mund të ndihmojnë që ky lloj analize të përshpejtohej dhe të bëhej më efikase.

Që makina të perceptojë diskursin mizogjen, modeli i mësimit makinerik së pari duhej të kuptonte se ç'është mizogjinia përmes shembujve të të folurit të tillë. Prandaj, hapi i parë në këtë proces ishte krijimi i një baze të dhënash me tweete të shenjuara me dorë që tregonin nëse një postim është mizogjen apo jo. Modeli u trajnua me shembuj në spanjisht dhe portugalisht. Rezultatet e fundit ishin më të mira në spanjisht dhe më pak të suksesshme në portugalisht. Vetëm pas këtij procesi mund të krijohet një aplikacion që do t'u mundësonte përdoruesve të analizojnë mostrat e tekstit apo edhe fajlat e tërë me vetëm një klik.

Ajo që arritën të mësonin përmes këtij projekti, shpjegoi Libório, ishte se: “kemi mësuar disa gjëra thelbësore deri më tani. E para është se fjalët gjithmonë lidhen me kontekstin. Andaj është shumë e rëndësishme që sa herë që duam të hartojmë një fjalor me të cilin do të trajnojmë një model, duhet të sigurohemi që atë ta përshtatim me kontekstin. Leksioni tjetër i nxjerrë është se edhe njerëzit që shenjojnë tekstin e kanë të vështirë të pajtohen nëse diçka është mizogjene apo jo. Andaj, këto vendime të rëndësishme patjetër duhet t'ua delegojmë vetëm algoritmeve".

Kur zënë gratë titujt e lajmeve

Pyetja se si duket kur gratë futen në lajme, e shtruar nga një analizë e kryer së bashku nga Sahiti Sarva dhe Leonardo Nicoletti për The Pudding, u përpoq të portretizonte keqinterpretimin e grave në kryetituj. Ata hulumtuan tituj në gjuhën angleze në katër shtete (Mbretëria e Bashkuar, Shtetet e Bashkuara, India dhe Afrika e Jugut) që botuan 186 artikuj mes viteve 2005 dhe 2021. Duke përdorur metodën e qërimit (scraping), morën të gjithë titujt e shenjuar me një grup prej njëzet fjalësh kyç që flasin për gratë: gra, vajza, vogëlushe, femërore, etj.

Para aplikimit të modelit të mësimit makinerik, atyre iu desh të bënin një përpjekje të madhe për të hequr fjalët nga titujt që në dukje ishin të padobishme. Gjatë procesimit të gjuhës natyrore (Natural Language Processing), këto fjalë e shenjuan si fjalët stop. Në këtë rast, fjala "First" (e parë) është shumë e rëndësishme, sepse titujt shpesh flisnin për "presidenten e parë" ose "gruan e parë që u bë ministre e mbrojtjes". Pas heqjes së fjalëve stop, autorëve iu desh të fusnin manualisht fjalën "e parë" kur ajo përdoret në një kontekst të rëndësishëm për kërkimin.

Meqë fjalorët ekzistues nuk ishin të mjaftueshëm për qëllimin e këtij hulumtimi, autorët vendosën të hartojnë fjalorin e vet që të mund të identifikonte paragjykimet gjinore në tituj. Për këtë qëllim, ata përdorën taksonominë e propozuar nga Hitti et al., e cila kombinon termat e gjuhës së ndjeshme gjinore si "aktorja", "bija", "gruaja", me fjalë që pasqyrojnë stereotipet biheivoriste dhe sociale si "e bukur", "emocionale", "mbështetëse", "dramatike". Ata caktuan një indeks paragjykimi për çdo titull në grupin e të dhënave për të kategorizuar të gjitha publikimet. Kjo u mundësoi të zbulonin dhe të përshkruanin se si disa publikime kanë shkallë më të lartë të paragjykimit se të tjerët në titujt e tyre.
Tutje, Sarva dhe Nicoletti zhvilluan një analizë ndjenjash në tituj dhe zbuluan se kur gratë futen në tituj, storia bëhet shumë më sensacionale kundrejt një titulli mesatar. Arsyeja për këtë mund të gjendet në faktin se storiet që fokusohen te gratë lidhen dy herë më shumë me dhunën se me fuqizimin.

Në prezentimin e saj, Sarva shpjegoi se “në fund të projektit, kuptuam se ka ende shumë pyetje që kërkojnë përgjigje. Sa shpesh përmenden kryesit në titujt e ri që lidhen me krimin dhe dhunën ndaj grave? Sa shpesh flasim për gratë në pozita drejtuese si “zëvendëspresidente” apo “kryetare komune” në vend se të përmendim emrat e tyre? Dhe cilat janë shabllonet që nuk i shohim?"

Për këtë arsye, autori dhe autorja planifikojnë të vazhdojnë kërkimin mbi këtë temë dhe të eksplorojnë nëse mësimi makinerik pa mbikëqyrje mund të përmirësojë kërkimin e tyre.

Projekti AIJO dhe Gender Gap Tracker

Projekti AIJO doli nga JournalismAI Collab në vitin 2020 si bashkëpunim i tetë organizatave të ndryshme mediale që punuan së bashku për të kuptuar, identifikuar dhe eliminuar paragjykimet nëpër redaksi.  

Delfina Arambillet, gazetare e të dhënave dhe inovacionit në La Nación nga Argjentina, ishte pjesë e ekipit që punoi në këtë projekt AIJO, të cilin edhe e prezentoi në këtë punëtori.

Ekipi u fokusua në përdorimin e shikimit kompjuterik (computer vision), i cili është një nga shumë fusha brenda konceptit të inteligjencës artificiale (AI). Ata përdorën këtë teknologji për të përcaktuar paragjykimet gjinore në media duke analizuar se kush përfaqësohet në fotot që mediat përdorin për të ilustruar storiet e tyre në ballina.

I gjithë procesi u krye në dy hapa. Ekipi aktivizoi fillimisht një model të zbulimit të fytyrës të prezentuar nga Imperial College London në vitin 2020 për të përpunuar fotot në kërkim të fytyrave njerëzore në to. Hapi i dytë ishte klasifikimi gjinor, i cili u përdor për të identifikuar gjininë e personave që shfaqeshin në fotografitë e përzgjedhura gjatë fazës së parë.

Gjatë prezentimit, Arambillet shpalosi rezultatet nga të cilat rezultoi se 77% e fotove në faqen e parë të organizatave mediale që morën pjesë në projekt paraqitnin meshkuj, ndërsa 23% ishin femra. Edhe pse mostra nuk ka peshë të madhe statistikore, rezultatet dhanë një pasqyrë të vlefshme të mungesës së përfaqësimit të grave në media.
Përveç kësaj analize, në partneritet me Gender Gap Tracker, ata shkuan një hap më tej dhe bënë një analizë të përfaqësimit të burrave dhe grave të cituara në artikuj në anglisht. Rezultatet ishin të ngjashme, ku 73% e deklaratave ishin bërë nga meshkujt dhe vetëm 22% nga femrat. Për 5% të mbetur ishte e pamundur të përcaktohej gjinia e burimit.

Hapat e radhës

Anipse përhapja e modeleve gjuhësore të zhvilluara për anglisht, spanjisht dhe portugalisht ka çuar në rritje të analizave mediale të mbështetura nga inteligjenca artificiale, në rajonin e Ballkanit Perëndimor analiza të tilla ende mungojnë. Arsyeja për këtë është pjesërisht se nuk kemi modele të zhvilluara, veçanërisht në fushën e gjuhës, që do të na mundësonin analiza më të hollësishme. Por, përvojat e këtyre projekteve, veçanërisht projekti AIJO, mund të jenë hapat e parë në përdorimin e AI në analizën e përfaqësimit gjinor në mediat në Ballkan, e që nga ana tjetër do të ofronte zgjidhje për disa nga problemet që janë të pranishme në vendin tonë. Zgjidhje të tilla kërkojnë partneritete mes komunitetit akademik, industrisë së IT-së dhe gazetarëve, që në fund do të japin rezultate të favorshme për të gjithë.

Ocijenite kvalitet članka