Identificación y clasificación de contenido sexista en memes

Abstract

[ES] El elevado número de contenido sexista dirigido hacia las mujeres en la web y su amplia difusión en las redes sociales, constituye un serio problema para las mujeres y la sociedad en general. Este fenómeno no se limita únicamente a la transmisión de contenido textual sexista, sino que también se manifiesta a través de recursos visuales, e incluso mediante su combinación, resaltando así la importancia de abordar su detección desde una perspectiva multimodal como son los memes. Los memes, aunque aparentemente concebidos para fines humorísticos e irónicos, también se utilizan para expresar y transmitir ideologías y creencias con efectos negativos. Concretamente, en ocasiones son creados con el propósito de atacar y difamar a ciertos grupos, como es el caso de las mujeres, lo cual representa una forma de expresión de contenido sexista. La automatización del reconocimiento del sexismo en los memes presenta un desafío considerable debido a la naturaleza subjetiva de este fenómeno, la cual varía según la percepción y las características individuales de las personas. Este Trabajo Final de Grado se enfoca en la construcción de un conjunto de datos formado por memes relacionados con esta temática, para posteriormente llevar a cabo dos tareas fundamentales: la primera busca automatizar la detección del sexismo en los memes, mientras que la segunda se centra en categorizar los diferentes tipos de sexismo presentes en dicho contenido: descrédito ideológico, estereotipos y dominancia, cosificación, misoginia y violencia sexual. Este enfoque integral busca contribuir al análisis y la comprensión de la problemática del sexismo en los memes desde una perspectiva de la Ciencia de Datos, específicamente haciendo uso de técnicas de Procesamiento del Lenguaje Natural y Visión por Computador con modelos de Deep Learning, como los Transformers.

[EN] The high number of sexist contents directed towards women on the web and its wide dissemination on social networks, constitutes a severe problem for women and society in general. Although, most of studies related to this phenomenon are based on the analysis of textual content, this problem also manifests itself through visual resources, and even through their combination, thus highlighting the importance of approaching its detection from a multimodal perspective. Memes, although originally conceived for humorous and ironic purposes, also they are used to express, and transmit ideologies and beliefs with negative effects. Specifically, sometimes they are created to the purpose of attacking and defaming certain groups, such as women, which represents a form of expression of sexist content. Automating the recognition of sexism in memes presents a considerable challenge due to the subjective 4 nature of this phenomenon, which varies according to people's perceptions and individual characteristics. This Final Degree Project focuses on the construction of a dataset formed by memes related to this topic, to subsequently carry out two fundamental tasks: the first one focuses on the detection of sexism in memes, while the second one focuses on categorizing the different types of sexism present in such content: ideological inequality, stereotyping and dominance, objectification, misogyny and sexual violence. This comprehensive approach seeks to contribute to the analysis and understanding of the issue of sexism in memes from a Data Science perspective, specifically making use of Natural Language Processing and Computer Vision techniques using Deep Learning models from both a unimodal and multimodal perspective with different Transformer models.