Seg\u00fan una investigaci\u00f3n de Rachael Tatman, investigadora ling\u00fcista e investigadora graduada de la National Science Foundation de la Universidad de Washington, el software de reconocimiento de voz de Google tiene un sesgo de g\u00e9nero (Larson, 2016). Despu\u00e9s de evaluar 1.500 palabras de anotaciones en 50 videos diferentes, Tatman encontr\u00f3 “diferencias significativas en la forma en que el software de reconocimiento de voz de Google subtitula autom\u00e1ticamente videos en YouTube” (ibid). Tatman (2016) encontr\u00f3 que, de promedio, para cada hablante mujer se subtitularon correctamente menos de la mitad (47%) de sus palabras. Por el contrario, el hablante masculino promedio, fue subtitulado correctamente el 60% de las veces (ibid.). Adem\u00e1s de eso, Tatman descubri\u00f3 que si se seleccionaban al azar un hombre y una mujer de la muestra de investigaci\u00f3n, hab\u00eda casi un 70% de posibilidades de que las transcripciones fueran m\u00e1s precisas para el hombre (Ibid.) En general, el software funcion\u00f3 mucho m\u00e1s consistentemente con las voces masculinas que con las femeninas.<\/p>\n
La investigaci\u00f3n de Tatman se hace eco de las conclusiones de otros estudios: los algoritmos generalmente funcionan mejor para la persona que los hizo, que a menudo es un hombre blanco. Por ejemplo, al implementar la tecnolog\u00eda de control de voz en los autom\u00f3viles, se descubri\u00f3 que las mujeres conductoras ten\u00edan m\u00e1s dificultades para instruir a su autom\u00f3vil, respecto a sus hom\u00f3logos masculinos que disfrutaban de una relativa facilidad (ibid). Si queremos que nuestra tecnolog\u00eda sea funcional e inclusiva para todo el mundo, tenemos que ser conscientes de las innumerables formas en que los prejuicios humanos pueden filtrarse en todo lo que hacemos y creamos.<\/p>","protected":false},"excerpt":{"rendered":"
Seg\u00fan una investigaci\u00f3n de Rachael Tatman, investigadora ling\u00fcista e investigadora graduada de la National Science Foundation de la Universidad de Washington, el software de reconocimiento de voz de Google tiene un sesgo de g\u00e9nero (Larson, 2016). Despu\u00e9s de evaluar 1.500 palabras de anotaciones en 50 videos diferentes, Tatman encontr\u00f3 “diferencias significativas en la forma en […]<\/p>","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[19],"tags":[],"yoast_head":"\n