Investigadores han desarrollado un novedoso marco de aprendizaje automático que utiliza las descripciones de las escenas de los guiones cinematográficos para reconocer automáticamente las acciones de los distintos personajes. A partir de esto han podido demostrar que estas acciones tienden a reflejar estereotipos de género muy extendidos, algunos de los cuales son constantes a lo largo del tiempo.
Las películas, los programas de televisión y otros medios de comunicación presentan constantemente estereotipos de género tradicionales, algunos de los cuales pueden ser perjudiciales, señalan los autores de la investigación, publicada en la revista 'PLOS ONE'.
Para profundizar en la comprensión de este problema, algunos investigadores han explorado el uso de marcos computacionales como forma eficiente y precisa de analizar grandes cantidades de diálogos de personajes en guiones. Sin embargo, es posible que algunos estereotipos nocivos no se transmitan a través de lo que dicen los personajes, sino a través de sus acciones.
Para estudiar cómo las acciones de los personajes pueden reflejar estereotipos, Víctor Martínez y sus colegas de la Universidad del Sur de California (Estados Unidos) utilizaron un método de aprendizaje automático para crear un modelo informático capaz de analizar automáticamente las descripciones de las escenas de los guiones cinematográficos e identificar las acciones de los distintos personajes.
Con este modelo, los investigadores analizaron más de 1,2 millones de descripciones de escenas de 912 guiones cinematográficos producidos entre 1909 y 2013, e identificaron cincuenta mil acciones realizadas por veinte mil personajes.
Estereotipos de género
A continuación, los investigadores realizaron análisis estadísticos para examinar si existían diferencias entre los tipos de acciones realizadas por personajes de distinto género. Estos análisis identificaron una serie de diferencias que reflejan estereotipos de género conocidos.
Por ejemplo, descubrieron que los personajes femeninos tienden a mostrar menos agencia que los masculinos, y que es más probable que las mujeres muestren afecto. Es menos probable que los personajes masculinos "sollocen" o "lloren", y es más probable que los personajes femeninos sean objeto de "miradas" por parte de otros personajes, lo que pone de relieve el énfasis en la apariencia femenina.
Aunque el modelo de los investigadores está limitado por su capacidad de captar plenamente el contexto social matizado que relaciona el guión con cada escena y la narración en general, estos resultados coinciden con investigaciones anteriores sobre los estereotipos de género en los medios de comunicación populares, y podrían ayudar a concienciar sobre cómo los medios pueden perpetuar estereotipos perjudiciales e influir así en las creencias y acciones de las personas en la vida real.
En el futuro, el nuevo marco de aprendizaje automático podría perfeccionarse y aplicarse para incorporar nociones de interseccionalidad como las de género, edad y raza, con el fin de profundizar en la comprensión de esta cuestión.
