敘事加劇性別差距：用LLM代理調查電影角色
arXiv - Human-Computer InteractionVivienne Bihe Chi, Reyhan Jamalova, Lyle Ungar, Sharath Chandra Guntuku
利用LLM代理將電影角色轉為可調查對象，發現敘事加劇性別差距，且AI模型可能傳遞此偏差。
AI 幫你先抓重點
AI 重點 1
敘事本身放大性別差距，AI模型可能在未加強前已內化偏差。
滑鼠懸停看 AI 判斷理由
此觀點提醒研究者與開發者在設計AI教材或語料時需考慮敘事結構對性別刻板印象的影響，否則會在學習環境中無意間加劇不平等。
AI 重點 2
角色代理可作為測試AI系統性別偏差的工具，提供可量化的評估方法。
滑鼠懸停看 AI 判斷理由
此工具允許教育科技開發者在模型訓練前先評估其對性別態度的偏差，從而調整訓練資料或正則化策略，提升公平性。
核心研究發現
- 1
從160部美國電影腳本創建734個角色代理，能模擬世界價值調查的性別態度，並重現系統性性別差異。
- 2
代理的性別差距比歷史實際調查數據更大，且十年間波動更劇烈。
- 3
敘事結構本身放大性別對比，挑戰傳統培養理論假設，AI系統若訓練於此類語料，可能在模型層面放大偏差。
對教育工作者的啟發
在設計AI輔助教材時，先使用角色代理測試性別態度偏差；調整敘事結構或加入多元角色；在資料標註階段加入性別平衡指標；定期評估模型輸出以防偏差累積；與教育工作者合作，將測試結果納入課程設計，確保學生獲得多元、平等的學習體驗。
原始文獻資訊
- 英文標題：
- Narrative Sharpens Gender Gaps: Surveying Film Characters with LLM Agents
- 作者：
- Vivienne Bihe Chi, Reyhan Jamalova, Lyle Ungar, Sharath Chandra Guntuku
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。