Kvinder i politik er ringere stillet på grund af fordomme og stereotyper på nettet

Mange førstegangsvælgere logger i disse dage på nettet med deres computere, for at blive klogere på de politiske kandidater, de snart skal vælge imellem til kommende folketingsvalg. Så langt så godt.

Vi ser en klar tendens, hvor kvindelige politikere bliver omtalt alene ved fornavn langt oftere og desuden oftere beskrives med ord, der mønter sig på deres krop, tøj eller familieforhold,

Men kønsbias – altså fordomme og stereotype opfattelser af mænd og kvinder, som former den måde, vi vurderer begge køn på, gennemsyrer internettet og vil hurtigt præge de oplysninger, som vores vælgere præsenteres for.

Tidligere forskning fra Datalogisk institut har afdækket en fødekæde af kønsbias på internettet. Den forskning bliver nu understøttet yderligere af et nyt studie af det sociale medie Reddit.

Den nye forskning viser nemlig et markant kønsbias i den måde politikerne bliver benævnt og omtalt på i kommentarsporene på Reddit. Det fremgår af analyserne i studiet, som netop er udkommet i Plos One.

En klar tendens 

- Vi ser en klar tendens, hvor kvindelige politikere bliver omtalt alene ved fornavn langt oftere og desuden oftere beskrives med ord, der mønter sig på deres krop, tøj eller familieforhold, (fx hvorimod de mandlige politikere oftere er nævnt ved deres efternavn og beskrevet med ord, der relaterer til deres profession, siger professor Isabelle Augenstein fra Datalogisk Institut, som er en af forskerne bag studiet.

Forskerne har analyseret i alt 10 millioner engelsksprogede kommentarer, i samtaler om mandlige og kvindelige politikere. De mange kommentarer er blevet analyseret ved hjælp fra statistiske algoritmer og en række kategorier i hvilke kønsbias kan komme til udtryk.

Omkring halvdelen af Reddits brugere, og altså den klart største andel, er fra USA, efterfulgt af Storbritannien og Canada med hver knap 7,5%. Og 90% af de omtalte politikere i studiet er da også fra USA, men i kommentarerne omtales politikere fra størstedelen af verdens lande,  herunder Danmark.  

Konklusionerne falder i tråd med tidligere studier

Hovedkonklusionerne i det nye studie falder helt i tråd med de dele af Augensteins tidligere forskningsarbejde, som har beskæftiget sig med kønsbias på internettet. Forskning som, ifølge forskeren, har afdækket et såkaldt feedback-loop af fordomme og kønsstereotyper på internettet.

Tilbage hos vores informationssøgende førstegangsvælgere er det allerede ved navnet det bliver skævt. Det navn som skrives i søgefeltet, vil sende vores vælgere ned ad to vidt forskellige stier, afhængigt af om fornavnet er eksempelvis Inger eller Per, Mette eller Lars.

Faktisk opstår der allerede en tydelig forskel i søgefeltet, da søgemaskinen giver forslag til søgninger, mens man skriver. Kvindelige politikeres navne giver nemlig oftere forslag af mindre professionel karakter – om fx familieforhold (kæreste, børn o.lign.), end det gør sig gældende for mandlige politikere.

Søgeresultaterne går også i forskellige retninger. Fra sociale medier til den digitaliserede verdenslitteratur, er kvinders og mænds aftryk på internettet forskelligt - det præger de sprogmodeller, som søgemaskinerne afhænger af, ligesom maskinlæring og AI bliver rundet af de forskelle.

- Der er et feedback-loop, hvor kønsstereotyper og fordomme, som lever ude i samfundet, indgår i den digitaliserede litteratur på nettet, i webartikler og folks kommentarer på sociale medier osv. De her digitale aftryk er så med til at forme de automatiserede modeller og algoritmer, som prioriterer internettets indhold for os. Og på den måde bliver cirklen sluttet, forklarer Isabelle Augenstein.

Faktisk forstærker sprogmodellerne de her bias, fordi algoritmerne er designede til at kigge efter dominerende mønstre i sproget og fremhæve dem, forklarer hun. Det fører til en form for destillering af bias. Brugerne bliver derfor præsenteret for stereotyper de kender i forvejen, og kan på den måde få styrket deres eksisterende fordomme.

Og derfor påvirker det, ifølge Augenstein, i sidste ende også brugerne af internettet og som følge deraf de vilkår, politikere har over for vælgerne. En vælger, der søger informationer om en kvindelig politiker, vil oftere møde de her mindre respektfulde benævnelser eller koblinger, der ikke har med politikerens professionelle rolle at gøre.

- Måske har den her vælger aldrig skænket politikerens familieliv eller udseende en tanke, men vedkommende bliver præsenteret for den kontekst, og dermed måske fristet til lige at tjekke det ud. Klikker de på indholdet, deler eller kommenterer på sociale medier bliver den her stereotype fortælling genforstærket, fordi algoritmerne læser det som en succes som skal gentages, siger Augenstein.

En ujævn spilleplade for politikere

Ifølge Isabelle Augenstein kan det have konsekvenser for kvindelige politikere, at forskellene eksisterer.

- Vores data viser, at vilkårene for politikere på nettet ikke er de samme for mænd og kvinder. Kønsbias på internettet kan have en pris for kvindelige politikere, fordi deres vælgerbase bliver præsenteret for de her fordomme og stereotyper, og i kontekster, som mindre respektfulde og mindre professionelle end de mandlige politikere, siger Augenstein.

- Først og fremmest betyder det noget når en politiker står over for et valg. Der kan de her kønsbias have indvirkning på, hvad vælgerne fokuserer på, og hvad de giver opmærksomhed i forhold til politikeren og den politik, vedkommende forsøger at fremme. I sidste ende kan det også give kvindelige politikere incitament til spille med og indtage rollen, hvis de laver webanalyser og registrerer den her interesse, siger hun.

Isabelle Augenstein ser kønsbias på nettet som et tydeligt eksempel på forskelle, der eksisterer mellem kønnene, og et sted hvor de forskelle er målbare. Indholdet skabes dog af mennesker, og derfor mener hun det er nærliggende at, der er tale om en problemstillingen, som findes i samfundet i mere bred forstand - snarere end noget, der foregår isoleret på internettet.

Et ikke afdækket område af dette forskningsspor, som forskningsgruppen gerne vil se nærmere på næst, er bias, der påvirker andre grupper i samfundet på baggrund af for eksempel social baggrund, etnicitet og andre køn end mand og kvinde.