Rutgers forskare säger att könsfördomar och stereotyper som motsvarar vissa yrken är vanliga på digitala och sociala medieplattformar.

Studien, publicerad i Journal of the Association for Information Science and Technology , finner att onlinebilder av män och kvinnor i fyra yrken – bibliotekarie, sjuksköterska, datorprogrammerare, och civilingenjör – tenderar att representera och förstärka existerande könsstereotyper.

I studien, Rutgers forskare analyserade sökresultat för bilder av människor i vart och ett av de fyra yrkena på fyra digitala medieplattformar:Twitter, NYTimes.com, Wikipedia, och Shutterstock. De jämförde också sökresultaten med könsrepresentationen för varje yrke enligt U.S. Bureau of Labor Statistics.

Resultaten visade att könsstereotyper och fördomar var utbredda. Kvinnor var överrepresenterade som bibliotekarier och sjuksköterskor och underrepresenterade som dataprogrammerare och civilingenjörer, speciellt när insamling och kurering av innehåll till stor del automatiseras av en algoritm, som på Twitter.

Dock, på plattformar där individer kan generera och kurera innehåll mer direkt, såsom NYTimes.com och Shutterstock, stereotyper var mer benägna att utmanas. Sökresultat för NYTimes.com, till exempel, producerade bilder av civilingenjörer som är kvinnor, och sjuksköterskor som är män, oftare än vad som skulle förväntas med tanke på deras representation i arbetsstatistiken.

"Mer direkt innehållskuration kommer att hjälpa till att motverka könsstereotyper, " sa Vivek Singh, en biträdande professor i biblioteks- och informationsvetenskap vid Rutgers School of Communication and Information.

Medan kvinnor i allmänhet tenderar att vara underrepresenterade i mansdominerade yrken på digitala medieplattformar, Singh noterade vissa framsteg mot jämlikhet i den könsbaserade presentationen av bilder från 2018 till 2019. Till exempel, fler kvinnor visades på bilder för mansdominerade yrken på Twitter 2019 än 2018.

"Könsfördomar begränsar människors förmåga att välja karriärer som kan passa dem och hindrar rättvisa metoder, betala jämlikhet och jämlikhet, " sa medförfattaren Mary Chayko, socionom och tvärvetenskaplig lärarprofessor vid Institutionen för kommunikation och information. "Det är viktigt att förstå prevalensen och mönstren av fördomar och stereotyper i onlinebilder, och kan hjälpa oss att utmana, och förhoppningsvis en dag paus, dessa stereotyper."

Forskarna sa att studien kan hjälpa till att förhindra fördomar från att utformas i digitala medieplattformar, algoritmer, och programvara för artificiell intelligens. Och medan människor verkligen konstruerar algoritmer, studiens resultat kan hjälpa innehållsskapare och plattformsdesigners att identifiera om algoritmtung eller människotung curation kan vara bättre lämpad för en uppgift.

Studien var medförfattare av Raj Inamdar, en forskarassistent vid Rutgers' Behavioral Informatics Lab och Diana Floegel, doktorand vid Rutgers School of Communication and Information.