利用人工智能重新获取规范#我改变了吗

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Using Artificial Intelligence to Recapture Norms: Did #metoo change
  gender norms in Sweden?》
---
作者：
Sara Moricz
---
最新提交年份：
2019
---
英文摘要：
  Norms are challenging to define and measure, but this paper takes advantage of text data and the recent development in machine learning to create an encompassing measure of norms. An LSTM neural network is trained to detect gendered language. The network functions as a tool to create a measure on how gender norms changes in relation to the Metoo movement on Swedish Twitter. This paper shows that gender norms on average are less salient half a year after the date of the first appearance of the hashtag #Metoo. Previous literature suggests that gender norms change over generations, but the current result suggests that norms can change in the short run.
---
中文摘要：
规范的定义和度量很有挑战性，但本文利用文本数据和机器学习的最新发展来创建一个全面的规范度量。训练一个LSTM神经网络来检测性别语言。该网络的功能是作为一种工具，在瑞典推特上创建一个衡量性别规范如何与Metoo运动相关的变化的工具。这篇论文表明，在标签“我”首次出现的半年后，性别规范的平均水平就不那么显著了。以前的文献表明，性别规范会随着时代的推移而改变，但目前的结果表明，规范在短期内可能会改变。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Using_Artificial_Intelligence_to_Recapture_Norms:_Did_#metoo_change_gender_norms.pdf (981.55 KB)

2022-6-14 05:57:02 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：人工智能 Quantitative Intelligence Contribution Generations

利用人工智能重新获取规范：我是否改变了瑞典的性别规范？A预印本Sara Moricz*瑞典斯威登萨拉大学经济系。moricz@nek.lu.seMarch2009年5月5日，标签“我”的首次出现摘要。以前的文献表明，性别规范会随着世代的变化而变化，但目前的结果表明，从短期来看，性别规范可能会发生变化。关键词性别规范·梅托·瑞典·LSTM神经网络1简介提供了一个这样的例子，随着越来越多的私人对话在社交媒体上在线进行，这可能是历史上第一次有如此流行的运动留下了一个易于访问的空间。本文通过提供一种自动检测文本数据中的规范的方法，为制度经济学做出了贡献。然后，文章显示，瑞典推特上反映的性别规范在梅托事件后的一段时间内没有得到遵守。先前的研究将规范概念化为长期现象，作者提出了性别规范在几代人中保持不变的证据（Alesina等人，2013年；Fernández等人，2004年；Nollenberger等人，2016年；Williamson，2000年；数学考试成绩中的性别差距（Pope和Sydnor，2010年；Fryer和Levitt，2010年；Guiso等人，2008年；Nollenbergergender规范）。他们巧妙地测量了规范“一对夫妇中，一个男人应该比女人挣得多”直接来自观察数据。观察数据的使用克服了社会期望偏差：调查或实验的参与者根据他们认为可以接受的行为行事。不幸的是，他们使用的观测数据类型仅衡量艰难的生活选择，如教育决定和婚姻。本文的一个主要贡献是在全面衡量性别规范的同时使用观察数据。

性别形态的全面定义包括定义女性和男性在日常生活中所面临的性别角色的无数方面。其他的*隆德大学经济系。电子邮件：sara。moricz@nek.lu.se主页：https://sara.moricz.se/地址：瑞典隆德7082号信箱。一些迹象表明，还存在各种人格特征，最重要的是宜人性，在劳动力市场上获得的回报不同，这取决于女性或男性是否表现出这种特征（Mueller和Plug，2006）。arXiv:1903.00690v1【econ.GN】2019年3月2日预印本-2019年3月5日这篇文章的主要贡献是表明，在theMetoo事件之后，瑞典推文中很少遵循性别规范，这补充了现有研究，表明性别规范在短期内可能会改变。规范是非正式机构，和North定义机构“人类设计的制约因素塑造了人类身份框架，人们属于不同的社会类别，对他们的行为有着不同的规定。本文假设了以下数据生成过程：未观察到的性别规范导致观察到的性别语言处理，以在语言之间进行翻译并捕捉文本的情感。一个人被要求在空白处，在训练推文中描述男性和女性。隐式地影响了他们关于什么是子模板的选择。Bolukbasi等人（2016年）创建了一种算法来删除单词向量中不需要的性别词，这需要分析员提供一个不需要的单词列表。词向量是通过聚类得到的词的向量表示，在本文中也有使用。

Wu（2018）发现，与外表相关的词语是经济学就业市场谣言预测模型中职位的高预测因子，该模型将被用作研究设计中新样本的评估工具。算法为基线朴素贝叶斯算法。它们之间的主要区别在于，神经网络模型的版本是高度性别化的词，如妈妈和爸爸，经过审查，以允许更细微的定义标签于2017年10月17日在瑞典推特上达到顶峰，在此之前不存在。梅托事件为评估性别规范是否迅速变化提供了良好的背景，其发生的确切日期是外生的，而女性则是外生的。这场运动还引发了一场关于性别问题的激烈公开辩论，规范的转变也很可能包括对性别陈规定型观念的接受程度降低。当前包含的衡量标准体现了准确性，即它在推特的空白处预测正确单词的频率。例如，让我们假设预测准确率表明遵守了性别规范。如果在我之后有很多女儿“竞争论坛的预测准确性有所下降。2009年3月5日的预印本比样本平均数少了1.9%。瑞典推特规范上活动前遵循的性别规范不包括判断。Metoo活动的经验，因为它主要是一场在线运动。应在短期内改变规范的大背景下解释结果。Metoo运动耳鼻喉科是一种新型的流行运动，通过社交媒体传播，这是一种自下而上的革命。因此，以下性别规范变化的当前结果表明，在线大规模人口流动在短期内会影响总体规范。

对于参加这些运动的男女来说，重要的是要看到它们确实带来了变化。论文的其余部分组织如下：第2节回顾了调查性别规范的文章。第3节介绍了Metoo事件评估背后的研究设计以及Metoo如何影响性别规范的结果。第8节结束。2先前的文学互动”（1990年，第3页）。规范是非正式的，因为其他人惩罚违反规范的人，而不是通过规定他们应该如何行为来定义的正式类别。违反规定会影响自己和他人的能力，本质上是强加一种外部性，导致人们因遵循特定身份而受到惩罚。人们普遍认为，在数百年或数千年的时间里，规范的变化是缓慢的（Williamson，2000）。Bisinand Verdier（2001）从理论上正式确定了父母和周围环境如何将规范传递给孩子。历史上使用犁的社会（男性在家庭以外工作的标准的代表）认为，女性在很大程度上在家庭中占有一席之地。Fernández等人（2004年）提供了美国劳动力中性别态度的证据。与此同时，规范可能会因外部冲击而迅速改变。Fortin（2015）展示了性别规范的演变和女性劳动力参与随时间的变化。她认为，AIDSscare改变了性别规范的态度，这部分解释了自20世纪90年代中期以来美国女性劳动力参与增长趋势放缓的原因。Goldin（2006）认为，20世纪60年代的年轻女性期待着一种生活责任。在本文中，较新的方法和外源性Metoo事件使我们有可能研究性别正常值是否会在较短的时间内发生变化。Bertrand等人测量的纸张标准。

（2015）“男性应比妻子挣得多”配偶间的相对收入Wu（2018）“经济学家中的性别规范”经济就业市场中的性别语言Rumors forumAlesina et al.（2013）“女性应留在家中”历史上的耕地使用情况、女性劳动力参与情况、女性企业主份额、女性在议会中的比例，两个世界价值观调查问题*Fortin（2015）“女性应留在家中”指数变量来自于一般社会调查（美国）和国家纵向调查（美国）*注：*调查问题列表见附录表A8。表1：directlyNollenberger等人（2016年）测量规范的论文证实了家庭内部态度的转变。预印本——2019年3月5日关于规范的可用数据很可能会阻碍经济学领域的研究。据我所知，Bertrand et al.（2015）《劳动力市场参与》。引人注目的是，他们表明，随着股票市场谣言论坛的兴起，非市场工作中的性别差距越来越大。她发现，与外表相关的词语经常出现在与女性相关的帖子中。审查了直接从调查中衡量性别规范的方法。在数学考试成绩方面，男生通常取得更好的成绩。这种差距因各州/国家而异，而且是积极的。各州/国家之间不太可能存在生物差异，这种模式表明了性别规范的重要性。来源国性别更加平等。他们的研究设计排除了可能混淆的州/国家因素，因此调查的维度，例如数学考试分数，不幸的是，这在范围上非常有限。3介绍我的方法，以及它与以前的标准英语预测量的比较（1）>>。。。不知道生活在哪个现实中*张嘴微笑，冷汗表情*她（2）<用户>我也不喜欢皮皮。

讨厌总是买<女性朋友/男性朋友>和所有的谨慎。她（3）<用户><用户>瑞典纳粹吹嘘在乌克兰杀害白人欧洲是SD中常见的乌托邦<他（4）在国际足联被称为什么？婴儿？黑斯威德语（1）>>。。。兽医维肯·维克利赫特（Vet inte vilken verklighet）\\uuuuuuLever i.*张着嘴的笑脸和冷汗表情*Hon（2）<user>jag gillar inte heller Pippi。Avskyr hur\\uuuSt"andigt k"oper sina<v"aninnor/v"anner>och allpr"aktighet。尊敬的（3）<用户><用户>斯文斯克纳粹党人skryter om att \\uuuhar d"odat i Ukraina vitt Europa"ar en utopivanliga SD：是否<url>Han（4）Vad var det \\uuuuhette p\\229; FIFA？婴儿？汉诺特：因变量，如果她或他应该放在空白点，是二进制的。该模型使用单词序列（空白推文中的fill）来预测他或她属于哪个类别。表中是瑞典语中friends一词的预测类版本，女性朋友（v"anninor）和男性朋友（v"anner）。这个面具是作者用插图画出来的。表2：输入推特示例本文假设在数据生成过程中存在以下情况：存在一个未观察到的性别规范（或者至少很难量化它的组成及其强度），从而导致观察到的性别语言。性别语言一份预印本-2019年3月5日，本文使用的方法包括训练一个模型来检测性别语言。表2说明了这一点：模型学习在推特上输入正确的单词，他或她，在推特上用空白点代替了这两个单词。由正确的单词组成的二元he/SHE变量被用作因变量来推断性别语言。独立变量是训练数据集词汇表中所有单词的序列，包括空白点。它已经过培训。

更具体地说，该模型学习推特用户在培训数据中选择以不同方式描述女性和男性的平均值。它学会了分离，因为培训设置将模型呈现给beargue，这相当于学习性别处方的定义。如果没有性别规范，推特上的性别用户就存在于推特上，模型就越容易学习预测性别的单词和短语。因此，本文将性别规范定义为一组不同强度的边界，定义了“做女人”和“做男人”，这遵循了North、Akerlof和Kranton的定义（1990；2000）。例如，在推特中，如图所示，女性参与个人关系的比例过高，例如成为朋友和同事，模型了解到这定义为“女性”。这种解释是，对于女性来说，不卷入这种个人关系的社会惩罚要高于男性。调查所用单词的顺序和总体预测准确性。本文通过阅读新推文使用预测准确性，即HowNormals。对这一指标的另一种可能的解释是，它反映了推特的平均跟踪体验。根据North（1990），人类设计的约束（规范）是由人类互动（发布和阅读推特）形成的。

总而言之，该指标表明了规范的变化。推特用户选择以不同的方式描述性别的无数方面来创建定义。在提出的方法中，分析员仅选择一个群体特征来推断其余特征，而在调查、实验性调查中，研究人员向受访者询问他们对在劳动力市场工作的女性的感受，但通常不会询问男性在家庭工作中承担更大责任的问题（见附录表A8）。此外，拟议的方法将产生对性别规范的客观定义。本文以性别语言的一个维度——他和她作为自变量，来推断其余的性别语言维度。培训数据将教会该模型捕捉标记人的性别陈规定型观念的平均值。由于人们可能潜意识中持有规范，标记可能会有偏差。当前的方法不仅允许使用文本数据，还允许数据决定规范的组成，从而产生一个全面和客观的定义。4从2016年5月到2018年5月，DataI已经从Twitter\'sAPI下载了一亿条标有瑞典语的推特。推特数据由用户直接发布，无需编辑。由于人们互相发送消息，ISUCH推文不包括在数据集中，因为它们只占包含这两个词中任何一个的推文的0.7%。推特用户出于所有实际目的都是匿名的，例如，没有关于写特定推特的是男性还是女性的信息。推特用户选择的名称在数据中给出，可能表示用户的性别。

然而，由于无法通过从推特名称中近似用户的性别来判断测量误差，因此我避免使用这些信息。预印本-3月5日，2019设置tweetsOriginal 10-25 wordsHashtags的函数时间计数未关联到#Metotraining估计参数年份1 984 337 676 466验证模型选择年份1 246 085 169 184测试评估模型年份1 307 606 211 242 203 691评估评估模型年份2 396 705 1 017 414 989 028表3：集合和样本大小2016-05-13至2017-04-30和第2年140万条tweets2017-05-01至2018-04-30。Metoo活动于第二年中期举行。表3显示了这些集合、它们的函数及其样本大小。在机器学习范式中，他/她将子部门的推特发送到训练、验证和测试集是标准的。训练集用于在看不见的数据上评估所选模型。第二年的推特也是机器学习意义上的一个测试集，但由于它在评估我的动作时发挥了单独的功能，我将其区分开来，并将其称为评估集。因为在同一个模型中很难处理词数非常不同的推文，所以这些集是原始的。另一种选择是训练各种子模型，但由于主要目标是捕捉性别化语言，目前的解决方案被认为是足够的。截取样本的另一个原因是，词数低于10的推特几乎没有可预测的信息。这些模型在845000条推文上进行了训练和验证，并在211000条推文上进行了测试。第二年的推特，即评估集，通过测量与第一年测试集相比的性别规范变化来评估Metoo运动。