Wird ein Mädchen gebeten, einen Mathematiker zu zeichnen, wird es mit doppelter Wahrscheinlichkeit einen Mann statt eine Frau zeichnen, während Jungen fast durchweg einen Mann zeichnen. Eine ähnliche Tendenz, Berufe wie Feuerwehrleute, Chirurgen und Kampfpiloten dem männlichen Geschlecht zuzuordnen, wurde bereits bei Kindern im Alter von 5 Jahren beobachtet. Geschlechterstereotypen bilden sich schon früh in der kindlichen Entwicklung heraus und setzen sich in der Jugend bis ins Erwachsenenalter fort, was sich langfristig auf die emotionale und kognitive Entwicklung auswirkt, die Wahl von Tätigkeiten und Berufen sowie akademische Leistung prägt.
In dieser Arbeit schlagen wir eine Lösung vor, um die Unter- und Fehlrepräsentation von Geschlechtern in Texten für Kinder im Vor- und Grundschulalter zu beseitigen. In Kinderbüchern, die für die Entwicklung von Kindern von entscheidender Bedeutung sind, überwiegen männliche Charaktere gegenüber weiblichen, nicht-binäre Charaktere sind praktisch nicht vorhanden und Geschlechterrollen und Stereotypen werden verstärkt.
Das Projekt verfolgt ein zweifaches Ziel. Erstens wollen wir verschiedene Aspekte im Zusammenhang mit der Unter- und Fehlrepräsentation der Geschlechter identifizieren und messen. In diesem Zusammenhang könnten beispielsweise der Anteil männlicher und weiblicher Charaktere, geschlechtsspezifischer Pronomen und die Geschlechterrollen verstärkende Sprache, von Bedeutung sein. Sobald verlässliche Messwerte vorliegen, werden sie zu einer Bewertung der Geschlechterrepräsentation kombiniert. Dieser Wert sollte leicht zu interpretieren sein, um das öffentliche Bewusstsein zu schärfen und Eltern, Erziehern und Entscheidungsträgern als Hilfe zu dienen. Zweitens wollen wir nach der Berechnung dieses Wertes Best-Practice-Leitlinien für dessen Validieren entwickeln, um Transparenz und Genauigkeit der Methodik zu gewährleisten. In diesem Schritt werden wir uns vor allem auf die Meinung von Gender-Experten und Linguisten stützen.
Der innovative Charakter dieses Projekts liegt in der Integration der folgenden quantitativen und qualitativen Forschungstechniken. Zum einen wird das Messverfahren auf modernen Algorithmen der künstlichen Intelligenz (KI) zur Analyse von Texten aufbauen. Neue Fortschritte auf diesem Gebiet ermöglichen es den Algorithmen, den Kontext, in dem Wörter erscheinen, zu berücksichtigen, anstatt die Wörter einzeln zu analysieren. Durch die Berücksichtigung des Kontextes sind solche Algorithmen vielversprechende Werkzeuge für die Quantifizierung komplexerer Komponenten von Genderbias in Textdaten. Da jedoch bekannt ist, dass KI-Techniken in Bezug auf Transparenz und Interpretationsfähigkeit Nachteile aufweisen können, wollen wir uns bei unserer Analyse nicht ausschließlich auf sie stützen. Wir werden sie insbesondere durch den Einsatz moderner qualitativer Methoden für die Literaturrecherche, die Datenerhebung und das Validierungsverfahren ergänzen.
