维基百科传记中社会偏见的受控分析

维基百科作为被广泛阅读的国际平台，其上的社会偏见可能极大影响公众舆论。尽管已有研究考察了传记类文章中的男性/女性性别偏见，但其他人口属性的可能影响限制了结论的可靠性。本文提出一种分析维基百科人物页面的方法，可将感兴趣维度（如性别）与其他属性（如职业）分离。给定待分析的目标语料库（如关于女性的传记），我们提出一种构建对比语料库的方法，使对比语料库在除目标属性外的尽可能多属性上与目标语料库匹配。我们开发了评估指标以衡量对比语料库与目标语料库的对齐程度，进而考察关于性别与种族少数群体（顺性别女性、非二元性别者、跨性别女性、跨性别男性；非裔美国人、亚裔美国人、西班牙裔/拉丁裔美国人）的文章与其他文章的差异。除识别出可疑的社会偏见外，我们的结果表明，未能控制协变量会导致不同结论并掩盖偏见。我们的贡献包括：促进维基百科文章中偏见进一步分析的方法论、可协助维基百科编辑减少偏见的研究发现，以及指导该领域未来工作的框架与评估指标。