Många kommersiella filmer världen över fortsätter att uttrycka kvinnlighet på ett stereotypt sätt, visade en färsk studie med bildanalys. En forskargrupp från KAIST utvecklade en ny bildanalysmetod för att automatiskt kvantifiera graden av könsbias i filmer.

Bechdeltestet har varit den mest representativa och generella metoden för att utvärdera könsfördomar i filmer. Detta test indikerar graden av könsbias i en film genom att mäta hur aktiv närvaron av kvinnor är i en film. En film klarar Bechdeltestet om filmen (1) har minst två kvinnliga karaktärer, (2) som pratar med varandra, och (3) deras konversation är inte relaterad till de manliga karaktärerna.

Dock, Bechdel-testet har grundläggande begränsningar vad gäller noggrannheten och praktiska utvärderingen. För det första, Bechdeltestet kräver avsevärda mänskliga resurser, eftersom det utförs subjektivt av en person. Mer viktigt, Bechdeltestet analyserar bara en enda aspekt av filmen, dialogerna mellan karaktärerna i manuset, och ger endast ett dikotomt resultat av att klara testet, försummar det faktum att en film är en visuell konstform som speglar mångskiktade och komplicerade genusbiasfenomen. Det är också svårt att fullt ut representera dagens olika diskurser om könsbias, vilket är mycket mer mångsidigt än 1985 när Bechdeltestet först presenterades.

Inspirerad av dessa begränsningar, ett KAIST-forskarteam ledd av professor Byungjoo Lee från Graduate School of Culture Technology föreslog ett avancerat system som använder datorseendeteknik för att automatiskt analysera den visuella informationen för varje bildruta i filmen. Detta gör det möjligt för systemet att mer exakt och praktiskt utvärdera i vilken grad kvantitativa kvantitativa karaktärer avbildas kvantitativa kvinnliga och manliga karaktärer i en film. och möjliggör vidare avslöjandet av könsfördomar som konventionella analysmetoder ännu inte kunde upptäcka.

Professor Lee och hans forskare Ji Yoon Jang och Sangyoon Lee analyserade 40 filmer från Hollywood och Sydkorea som släpptes mellan 2017 och 2018. De nedsamplade filmerna från 24 till 3 bilder per sekund, och använde Microsofts Face API-teknik för ansiktsigenkänning och objektdetekteringsteknik YOLO9000 för att verifiera detaljerna i karaktärerna och deras omgivande objekt i scenerna.

Med hjälp av det nya systemet, teamet beräknade åtta kvantitativa index som beskriver representationen av ett visst kön i filmerna. De är:känslomässig mångfald, rumslig staticitet, rumslig beläggning, tidsbeläggning, medelålder, intellektuell bild, betoning på utseende, och typ och frekvens av omgivande föremål.

Typen och frekvensen av omgivande föremåls index avslöjade att kvinnliga karaktärer och bilar spårades tillsammans endast 55,7 procent så mycket som manliga karaktärer, medan de var mer benägna att dyka upp med möbler och i ett hushåll, med 123,9 procents sannolikhet.

I fall av tidsbeläggning och medelålder, kvinnliga karaktärer förekom mer sällan i filmer än män med 56 procent, och var i genomsnitt yngre i 79,1 procent av fallen. Dessa två index var särskilt iögonfallande i koreanska filmer.

Professor Lee sa, "Vår forskning bekräftade att många kommersiella filmer skildrar kvinnor ur ett stereotypt perspektiv. Jag hoppas att detta resultat främjar allmänhetens medvetenhet om vikten av att vara försiktig när filmskapare skapar karaktärer i filmer."