ANI |
Diperbarui: 25 Des 2022 16:28 IST
Washington [US]25 Desember (ANI): Para peneliti telah mengembangkan kerangka pembelajaran mesin baru yang menggunakan deskripsi adegan dalam skrip film untuk secara otomatis mengenali tindakan karakter yang berbeda.
Menerapkan kerangka kerja ke ratusan skrip film menunjukkan bahwa tindakan ini cenderung mencerminkan stereotip gender yang tersebar luas, beberapa di antaranya ditemukan konsisten sepanjang waktu. Victor Martinez dan rekannya di University of Southern California, AS, mempresentasikan temuan ini di jurnal akses terbuka PLOS ONE pada 21 Desember.
Film, acara TV, dan media lain secara konsisten menggambarkan stereotip gender tradisional, beberapa di antaranya mungkin berbahaya. Untuk memperdalam pemahaman tentang masalah ini, beberapa peneliti telah mengeksplorasi penggunaan kerangka komputasi sebagai cara yang efisien dan akurat untuk menganalisis sejumlah besar dialog karakter dalam skrip. Namun, beberapa stereotip berbahaya mungkin dikomunikasikan bukan melalui apa yang dikatakan karakter, tetapi melalui tindakan mereka.
Untuk mengeksplorasi bagaimana tindakan karakter dapat mencerminkan stereotip, Martinez dan rekannya menggunakan pendekatan pembelajaran mesin untuk membuat model komputasi yang dapat secara otomatis menganalisis deskripsi adegan dalam skrip film dan mengidentifikasi tindakan karakter yang berbeda. Dengan menggunakan model ini, para peneliti menganalisis lebih dari 1,2 juta deskripsi adegan dari 912 skrip film yang diproduksi dari tahun 1909 hingga 2013, mengidentifikasi lima puluh ribu tindakan yang dilakukan oleh dua puluh ribu karakter.
Selanjutnya, peneliti melakukan analisis statistik untuk menguji apakah ada perbedaan antara jenis tindakan yang dilakukan oleh karakter dari jenis kelamin yang berbeda. Analisis ini mengidentifikasi sejumlah perbedaan yang mencerminkan stereotip gender yang diketahui.
Misalnya, mereka menemukan bahwa karakter wanita cenderung kurang menunjukkan agensi daripada karakter pria, dan karakter wanita lebih cenderung menunjukkan kasih sayang. Karakter laki-laki cenderung untuk “menangis” atau “menangis”, dan karakter perempuan lebih cenderung menjadi sasaran “memandang” atau “menonton” oleh karakter lain, menyoroti penekanan pada penampilan perempuan.
Sementara model peneliti dibatasi oleh sejauh mana kemampuannya untuk sepenuhnya menangkap konteks sosial yang bernuansa yang menghubungkan naskah dengan setiap adegan dan keseluruhan narasi, temuan ini sejalan dengan penelitian sebelumnya tentang stereotip gender di media populer, dan dapat membantu meningkatkan kesadaran tentang bagaimana media mungkin melanggengkan stereotip berbahaya dan dengan demikian memengaruhi keyakinan dan tindakan kehidupan nyata orang. Di masa mendatang, kerangka kerja pembelajaran mesin yang baru dapat disempurnakan dan diterapkan untuk menggabungkan gagasan interseksionalitas seperti antara jenis kelamin, usia, dan ras, untuk memperdalam pemahaman tentang masalah ini.
Para penulis menambahkan: “Para peneliti telah mengusulkan penggunaan metode pembelajaran mesin untuk mengidentifikasi stereotip dalam dialog karakter di media, tetapi metode ini tidak memperhitungkan stereotip berbahaya yang dikomunikasikan melalui tindakan karakter. Untuk mengatasi masalah ini, kami mengembangkan pembelajaran mesin skala besar kerangka kerja yang dapat mengidentifikasi tindakan karakter dari deskripsi skrip film. Dengan mengumpulkan 1,2 juta deskripsi adegan dari 912 skrip film, kami dapat mempelajari perbedaan gender yang sistematis dalam penggambaran film dalam skala besar.” (ANI)
