- İnternetteki görseller toplumsal cinsiyet kalıplarını ve stereotipleri metinlerden daha fazla pekiştirerek kalıcı önyargılar oluşmasına sebebiyet veriyor.
- Araştırmacılar, her ikisinin de erkekleri aşırı temsil ettiğini, ancak görüntülerin kelimelerden bile daha fazla cinsiyet önyargısı sergilediğini buldu.
- Yapılan bir kamuoyu araştırmasına göre, cinsiyet önyargısı genel olarak kamuoyunun düşündüğünden de daha büyük. Araştırmacılar, çevrim içi platformların görüntüleri aracılığıyla toplumsal cinsiyet önyargısını güçlendirmedeki rolüne işaret ederek daha fazla şey yapılması çağrısında bulundu.
ABD’de yapılan bir araştırmaya göre internetteki görseller, doktorların erkek ya da hemşirelerin kadın olması gibi toplumsal cinsiyet kalıplarını ve stereotipleri metinlerden daha fazla pekiştirerek kalıcı önyargılar oluşmasına sebebiyet veriyor.
Dünyadaki medya, iletişim ve sosyal etkileşimlerin çoğu çevrim içi ortama taşındıkça görsellerin önemi de arttı. Nature dergisindeki çalışmaya göre görselin bu artan hakimiyeti, kadınları önemli ölçüde eksik temsil ederek toplumsal cinsiyet önyargısını şiddetlendiriyor.
Berkeley’deki California Üniversitesi İşletme Fakültesi’nde araştırmacı olan Başyazar Douglas Guilbeault, AFP’ye yaptığı açıklamada bunun endişe verici bir eğilim olduğunu söyledi. Guilbeault, bunun çoğunlukla kadınlara ama aynı zamanda erkeklere de zarar veren stereotiplerin pekiştirilmesi üzerinde yaratabileceği potansiyel sonuçlar konusunda uyarıda bulundu.
Yine UC Berkeley’den çalışmanın eş yazarı Solene Delecourt, bir çocuğun internette bir meslek hakkında daha fazla bilgi edinmeye çalışırken yalnızca bir cinsiyete ait resimler görmesinin buna örnek olabileceğini söyledi. Kendilerini ait değilmiş gibi hissedebileceklerini belirtti. Çalışmada ayrıca görsellerin “genellikle metinden daha akılda kalıcı ve duygusal açıdan daha çağrışımcı” olduğu belirtildi.
Çalışma için araştırmacılar Google, Wikipedia ve IMDb film veri tabanından bir milyondan fazla görselin yanı sıra bu platformlardaki milyarlarca kelimeyi inceledi. Doktor veya avukat gibi meslekler ya da komşu ve iş arkadaşı gibi roller de dahil olmak üzere yaklaşık 3.000 sosyal kategoride potansiyel önyargı aradılar. Araştırmacılar, her ikisinin de erkekleri aşırı temsil ettiğini, ancak görüntülerin kelimelerden bile daha fazla cinsiyet önyargısı sergilediğini buldu.
Guilbeault, örneğin kadınların hemşire olduğu klişesinin görsellerde metne kıyasla sürekli olarak daha güçlü olduğunu söyledi. Bu önyargı Amerika Birleşik Devletleri ya da belirli bir platformla sınırlı değildi. Araştırmacılar dünyanın dört bir yanındaki web sitelerinden birçok görsel kullandılar.
Yapılan bir kamuoyu araştırmasına göre, cinsiyet önyargısı genel olarak kamuoyunun düşündüğünden de daha büyük. Ekip ayrıca ABD nüfus sayımı verilerini kullanarak çevrim içi görüntülerde görülen bu mesleklerde kadınların yetersiz temsilinin gerçekle uyuşmadığını gösterdi.
Son olarak, bu önyargının internet kullanan insanlar üzerinde nasıl bir psikolojik etkisi olduğu araştırıldı. Astronot, şair ya da nörobiyolog gibi belirli meslekler için internette arama yapan 450 kişiden bazıları metin okurken diğerleri görsellere baktı. Daha sonra katılımcılar ön yargılarını ölçmek için tasarlanmış bir test gerçekleştirdiler. Araştırmacılar, resimlere bakan grubun daha belirgin bir cinsiyet önyargısına sahip olduğunu ve bu etkinin üç gün sonraki başka bir test sırasında da devam ettiğini söyledi.
Guilbeault konu hakkında şunları söyledi: “Görüntüler insanları bilinçli olarak fark edemeyecekleri şekillerde etkiliyor. Görüntü temelli iletişime doğru yaşanan bu kaymaya çok az ilgi gösteriliyor. Bu algoritmaların ürettiği görüntülerin her türlü önyargıyı yansıtması sürpriz değil.”
Araştırmacılar, çevrim içi platformların görüntüleri aracılığıyla toplumsal cinsiyet önyargısını güçlendirmedeki rolüne işaret ederek daha fazla şey yapılması çağrısında bulundu. Ayrıca, yapay zeka algoritmaları tarafından yönlendirilen yeni görüntü oluşturucuların mevcut çevrim içi görüntülerden büyük ölçüde yararlandığı konusunda da uyarıda bulundular.
Derleyen: Esin Özcan
