机构名称：
¥ 1.0
摘要本文解决了人工智能（IA）的影响，在机器观点的一部分，性别识别，强调对持不同政见类型的人的默认和影响，在这项工作中，这是与Corp二进制为男性或女性不同的个人（Preciac，2018）。问题的核心在于对面部特征和视觉模式的分析，以识别性别，这种做法通常基于二进制模式，排除和边缘化性别身份超越这些规范的人。这种偏见的后果是算法跨性别恐惧症的持续性，当被编程以解释这种类型的机器时，可以忽略并排除那些不认同性别归因于出生的个人。从这个意义上讲，我们通过探索性批判性研究提出了算法跨性别恐惧症病例的分析，该研究涵盖了与数字平台上跨性别者形象相关的在线侵略性报告。该研究探讨了2020年至2022年之间的新闻，新闻，博客和投诉渠道。分析确定了新兴类别，解决了与跨性别者形象相关的歧视。理论框架包括有关性别认同的讨论（Foucault，1978; Salih，2012; Butler，2018; Souza 2022）;后数字，平台和机器视觉（Djick; Poell; Poell; Wall，2018; Silva，2021; Storm，2021; Kaufman，2022; Shih，2023年）。结果强调了Tinder中恐惧症的持久性，其中包含Trans*翻译的任意排除。使用投诉中的投诉显示Instagram政策中的矛盾之处，强调了结构性恐惧症。
算法跨性别恐惧症：人类图像中的二进制繁殖
主要关键词
相关文件推荐
