Gender stereotypes in AI-generated images

Este estudio tiene como objetivo la identificación de sesgos de género en profesiones por parte de imágenes generadas mediante DALL-E 2, aplicación para la creación de imágenes sintéticas basadas en inteligencia artificial (IA). Para ello se utiliza un muestreo probabilístico estratificado en el que...

Full description

Bibliographic Details
Authors: García Ull, Francisco José, Melero Lázaro, Mónica
Format: article
Publication Date:2023
Country:España
Institution:Universidad Europea (UEM)
Repository:ABACUS. Repositorio de Producción Científica
Language:Spanish
OAI Identifier:oai:abacus.universidadeuropea.com:11268/12318
Online Access:http://hdl.handle.net/11268/12318
Access Level:Open access
Keyword:Inteligencia artificial
Estereotipo sexual
Ilustraciones
id ES_aca090b7cbe15cda1fa8a88b7de8909d
oai_identifier_str oai:abacus.universidadeuropea.com:11268/12318
network_acronym_str ES
network_name_str España
repository_id_str
spelling Gender stereotypes in AI-generated imagesEstereotipos de género en imágenes generadas mediante inteligencia artificialGarcía Ull, Francisco JoséMelero Lázaro, MónicaInteligencia artificialEstereotipo sexualIlustracionesEste estudio tiene como objetivo la identificación de sesgos de género en profesiones por parte de imágenes generadas mediante DALL-E 2, aplicación para la creación de imágenes sintéticas basadas en inteligencia artificial (IA). Para ello se utiliza un muestreo probabilístico estratificado en el que se delimitan segmentos a partir de 37 profesiones o prompts, replicando el estudio de Farago, Eggum-Wilkens y Zhang (2021) sobre estereotipos de género en el ámbito laboral en humanos. En el desarrollo del estudio intervienen 2 codificadores que introducen las profesiones manualmente en el generador de imágenes. DALL-E 2 genera 9 imágenes por cada consulta y se toma una muestra de 666 imágenes, con un nivel de confianza del 99% y un margen de error del 5%. A continuación, se evalúa cada imagen de acuerdo a una escala Likertde 3 niveles (1. No estereotipado; 2. Moderadamente estereotipado; 3. Fuertemente estereotipado). Nuestro estudio demuestra que estas creaciones replican estereotipos de género relacionados con el trabajo. Los resultados aquí descritos exponen que el 21,6% de las imágenes de profesionales generadas mediante IA, se representan comple-tamente estereotipadas con respecto al sexo femenino y el 37,8% con respecto al masculino. Si bien estudios anteriores realizados con humanos apuntan la existencia de estereotipos de género en el ámbito laboral, nuestro trabajo demues-tra que la IA, no sólo replica este estereotipado, sino que lo refuerza e incrementa. Así, mientras que las investigaciones sobre sesgo de género llevadas a cabo en humanos demuestran un fuerte estereotipado en el 35% de los casos, la IA ofrece fuerte estereotipado en el 59,4% de los casos. Los resultados del presente estudio subrayan la necesidad de una comunidad de desarrollo de IA diversa e inclusiva, que establezca las bases hacia una IA más justa e imparcial20232023-10-0520232023-01-0120232023-01-01journal articlehttp://purl.org/coar/resource_type/c_6501info:eu-repo/semantics/articleapplication/pdfhttp://hdl.handle.net/11268/12318reponame:ABACUS. Repositorio de Producción Científicainstname:Universidad Europea (UEM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Attribution 4.0 Internacionalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessoai:abacus.universidadeuropea.com:11268/123182026-06-11T12:41:27Z
dc.title.none.fl_str_mv Gender stereotypes in AI-generated images
Estereotipos de género en imágenes generadas mediante inteligencia artificial
title Gender stereotypes in AI-generated images
spellingShingle Gender stereotypes in AI-generated images
García Ull, Francisco José
Inteligencia artificial
Estereotipo sexual
Ilustraciones
title_short Gender stereotypes in AI-generated images
title_full Gender stereotypes in AI-generated images
title_fullStr Gender stereotypes in AI-generated images
title_full_unstemmed Gender stereotypes in AI-generated images
title_sort Gender stereotypes in AI-generated images
dc.creator.none.fl_str_mv García Ull, Francisco José
Melero Lázaro, Mónica
author García Ull, Francisco José
author_facet García Ull, Francisco José
Melero Lázaro, Mónica
author_role author
author2 Melero Lázaro, Mónica
author2_role author
dc.contributor.none.fl_str_mv
dc.subject.none.fl_str_mv Inteligencia artificial
Estereotipo sexual
Ilustraciones
topic Inteligencia artificial
Estereotipo sexual
Ilustraciones
description Este estudio tiene como objetivo la identificación de sesgos de género en profesiones por parte de imágenes generadas mediante DALL-E 2, aplicación para la creación de imágenes sintéticas basadas en inteligencia artificial (IA). Para ello se utiliza un muestreo probabilístico estratificado en el que se delimitan segmentos a partir de 37 profesiones o prompts, replicando el estudio de Farago, Eggum-Wilkens y Zhang (2021) sobre estereotipos de género en el ámbito laboral en humanos. En el desarrollo del estudio intervienen 2 codificadores que introducen las profesiones manualmente en el generador de imágenes. DALL-E 2 genera 9 imágenes por cada consulta y se toma una muestra de 666 imágenes, con un nivel de confianza del 99% y un margen de error del 5%. A continuación, se evalúa cada imagen de acuerdo a una escala Likertde 3 niveles (1. No estereotipado; 2. Moderadamente estereotipado; 3. Fuertemente estereotipado). Nuestro estudio demuestra que estas creaciones replican estereotipos de género relacionados con el trabajo. Los resultados aquí descritos exponen que el 21,6% de las imágenes de profesionales generadas mediante IA, se representan comple-tamente estereotipadas con respecto al sexo femenino y el 37,8% con respecto al masculino. Si bien estudios anteriores realizados con humanos apuntan la existencia de estereotipos de género en el ámbito laboral, nuestro trabajo demues-tra que la IA, no sólo replica este estereotipado, sino que lo refuerza e incrementa. Así, mientras que las investigaciones sobre sesgo de género llevadas a cabo en humanos demuestran un fuerte estereotipado en el 35% de los casos, la IA ofrece fuerte estereotipado en el 59,4% de los casos. Los resultados del presente estudio subrayan la necesidad de una comunidad de desarrollo de IA diversa e inclusiva, que establezca las bases hacia una IA más justa e imparcial
publishDate 2023
dc.date.none.fl_str_mv 2023
2023-10-05
2023
2023-01-01
2023
2023-01-01
dc.type.none.fl_str_mv journal article
http://purl.org/coar/resource_type/c_6501
dc.type.openaire.fl_str_mv info:eu-repo/semantics/article
format article
dc.identifier.none.fl_str_mv http://hdl.handle.net/11268/12318
url http://hdl.handle.net/11268/12318
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution 4.0 Internacional
http://creativecommons.org/licenses/by/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution 4.0 Internacional
http://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:ABACUS. Repositorio de Producción Científica
instname:Universidad Europea (UEM)
instname_str Universidad Europea (UEM)
reponame_str ABACUS. Repositorio de Producción Científica
collection ABACUS. Repositorio de Producción Científica
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869416371396280320
score 15,301629

Similar Items