In diesem Artikel greifen wir die bahnbrechende Arbeit von Garimella et al. aus dem Jahr 2019 erneut auf, die berichteten, dass Abhängigkeitsparser demografisch bezogene Signale aus ihren Trainingsdaten lernen und bei Sätzen, die von Personen unterschiedlichen Geschlechts verfasst wurden, unterschiedlich abschneiden. Wir führen alle Parsing-Experimente von Garimella et al. aus dem Jahr 2019 erneut durch und stellen fest, dass ihre Ergebnisse nicht reproduzierbar sind. Darüber hinaus lassen sich die ursprünglichen Muster, die auf das Vorhandensein von Geschlechtervorurteilen hindeuten, nicht auf andere Baumbank- und Parsing-Architekturen übertragen. Stattdessen deckt unsere Datenanalyse methodische Mängel in der ursprünglichen Studie auf, in der während der Vorverarbeitung künstlich Unterschiede in weibliche und männliche Datensätze eingeführt wurden. Diese Unterschiede beeinträchtigten möglicherweise die Gültigkeit der ursprünglichen Schlussfolgerungen.
| Kontakt |
|---|