이분법적 분류를 넘어서: 소셜 미디어 영상에서 미묘한 형태의 성차별 감지

Beyond Binary Classification: Detecting Fine-Grained Sexism in Social Media Videos

온라인 상의 성차별은 다양한 형태로 나타나기 때문에, 이를 감지하는 것은 어려운 과제입니다. 자동화 도구는 성차별적인 콘텐츠 식별을 향상시킬 수 있지만, 종종 이분법적인 분류에만 국한됩니다. 그 결과, 미묘하고 맥락에 민감한 성차별 표현은 세밀한 레이블의 부족으로 인해 감지되지 않을 수 있습니다. 이러한 문제를 해결하기 위해, 저희는 다음과 같은 기여를 합니다: (1) 이분법적 및 세밀한 주석을 모두 포함하는 스페인어 다중 모드 성차별 감지 데이터셋인 FineMuSe를 제시합니다. (2) 성차별, 비성차별, 그리고 반어법 및 유머와 같은 수사적 기법을 포괄하는 포괄적인 계층적 분류 체계를 소개합니다. (3) 이분법적 및 세밀한 성차별 감지를 위해 다양한 LLM을 평가합니다. 우리의 연구 결과는 다중 모드 LLM이 인간 주석자와 경쟁적으로 미묘한 형태의 성차별을 식별하는 데 효과적이지만, 시각적 단서로 전달되는 동시에 발생하는 여러 유형의 성차별을 파악하는 데 어려움을 겪는다는 것을 보여줍니다.

Online sexism appears in various forms, which makes its detection challenging. Although automated tools can enhance the identification of sexist content, they are often restricted to binary classification. Consequently, more subtle manifestations of sexism may remain undetected due to the lack of fine-grained, context-sensitive labels. To address this issue, we make the following contributions: (1) we present FineMuSe, a new multimodal sexism detection dataset in Spanish that includes both binary and fine-grained annotations; (2) we introduce a comprehensive hierarchical taxonomy that encompasses forms of sexism, non-sexism, and rhetorical devices of irony and humor; and (3) we evaluate a wide range of LLMs for both binary and fine-grained sexism detection. Our findings indicate that multimodal LLMs perform competitively with human annotators in identifying nuanced forms of sexism; however, they struggle to capture co-occurring sexist types when these are conveyed through visual cues.