Methodenbewijsdossier

Gender Bias Detection

Gender bias detection in NLP is a family of statistical and embedding-based methods used to measure stereotyping, representational imbalance, and occupational bias in text corpora and language models. Grounded in benchmarks established by Caliskan et al. (2017) with the Word Embedding Association Test (WEAT) and Zhao et al. (2018) with the WinoBias dataset, these methods produce quantitative evidence of gender bias rather than qualitative impressions. They are widely applied in ethical AI research, media analysis, and fairness auditing of machine-learning systems.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Gender Bias Detection in NLP — Statistical and Embedding-Based Methods

Taxonomisch methodendossier · process-pipeline / text-mining

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Same method familyBERT Embeddingsmachine-suggested · Relational suggestion, not evidence.Same method familyCoreference Resolutionmachine-suggested · Relational suggestion, not evidence.Same method familyNamed Entity Recognitionmachine-suggested · Relational suggestion, not evidence.Same method familySentiment Analysismachine-suggested · Relational suggestion, not evidence.Same method familyText Classificationmachine-suggested · Relational suggestion, not evidence.