Identification of Racial and Sexist Stereotypes in Spanish: A Learning with Disagreements Approach
[ES] El discurso del odio ha proliferado significativamente en los ¿ultimos a¿nos, en gran medida impulsado por la adopci¿on generalizada de plataformas de redes sociales. El discurso de odio a menudo opera de manera impl¿¿cita, aprovechando estereotipos sutiles para propagar pensamientos discrimina...
| Autores: | , |
|---|---|
| Tipo de recurso: | artículo |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | inglés |
| OAI Identifier: | oai:riunet.upv.es:10251/221240 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/221240 |
| Access Level: | acceso abierto |
| Palabra clave: | Learning with disagreements Racial and sexist stereotypes LLMs Transformers Aprendizaje con desacuerdos Detección de estereotipos raciales y sexistas |
| Sumario: | [ES] El discurso del odio ha proliferado significativamente en los ¿ultimos a¿nos, en gran medida impulsado por la adopci¿on generalizada de plataformas de redes sociales. El discurso de odio a menudo opera de manera impl¿¿cita, aprovechando estereotipos sutiles para propagar pensamientos discriminatorios. Estos mecanismos encubiertos han permitido que el contenido odioso se oculte a si mismo, haciendo que su detecci¿on resulte cada vez m¿as compleja. Como resultado, la lucha contra los discursos de odio se ha convertido en una prioridad urgente, impulsando la adopci¿on generalizada de modelos de aprendizaje profundo para detectar y combatir contenidos nocivos. Dada la naturaleza inherentemente subjetiva de los discursos del odio, es necesario desarrollar modelos que sean lo m¿as generalizables posible. Esto ha llevado a la aparici¿on del paradigma de aprendizaje con desacuerdos, que tiene como objetivo introducir desacuerdos dentro de la propia tarea para mejorar la generalizabilidad del modelo. Este trabajo investiga este ¿ultimo paradigma a trav¿es de dos shared tasks. La primera tarea, DETEST-Dis, explora los estereotipos contra los inmigrantes en comentarios en l¿¿nea y fue organizada en IberLEF 2024. Nuestros resultados se encuentran entre los mejores de todos los equipos participantes, superando los enfoques tradicionales. La segunda tarea, EXIST, se centra en el sexismo en los memes y fue organizada en CLEF 2024. En este caso, nuestro rendimiento presenta una mejor¿¿a a¿nadiendo caracter¿¿sticas de un modelo externo as¿¿ como tambi¿en data augmentation. Nuestro c¿odigo fuente se puede encontrar en https://github.com/Buzzeitor30/DETESTS-DIS y https://github.com/Buzzeitor30/EXIST-TFM |
|---|