WinoBias - Détection de Biais de Genre

Corpus spécialisé pour détecter et analyser les biais de genre dans la tâche de résolution de coréférence à partir de phrases types "Winograd".

Télécharger le dataset

Taille

4 sous-ensembles de plusieurs centaines de phrases Winograd, format JSON

Licence

MIT

Description

‍

Le dataset WinoBias est un corpus construit pour mettre en lumière les biais de genre dans les modèles de traitement automatique du langage. Il repose sur des phrases de type Winograd où la résolution de coréférences peut révéler des stéréotypes implicites. Il se divise en quatre sous-ensembles selon qu’ils renforcent ou contredisent les stéréotypes de genre, et selon qu’ils nécessitent des connaissances du monde réel ou une analyse syntaxique.

‍

À quoi sert ce dataset ?

‍

Évaluer les biais de genre dans les systèmes de NLP
Tester les performances des modèles de coreference resolution
Concevoir des approches éthiques pour réduire les biais dans l’IA

‍

Peut-on l’enrichir ou l’améliorer ?

‍

Oui, ce dataset peut être enrichi avec des exemples dans d'autres langues ou contextes culturels. Il est également possible d’annoter davantage les phrases avec des métadonnées ou de créer de nouveaux cas Winograd avec d’autres professions ou stéréotypes.

‍

🔎 En résumé

Critère	Évaluation
🧩 Facilité d’utilisation	⭐⭐⭐⭐✩ (Format clair et bien structuré)
🧼 Besoin de nettoyage	⭐⭐⭐⭐⭐ (Aucun nettoyage nécessaire)
🏷️ Richesse des annotations	⭐⭐⭐⭐⭐ (Structure Winograd + métadonnées syntaxiques)
📜 Licence commerciale	✅ Oui (MIT)
👨‍💻 Idéal pour les débutants	⚠️ Parfait pour comprendre les biais en NLP
🔁 Réutilisable en fine-tuning	⚠️ Possible mais surtout utile pour l’évaluation
🌍 Diversité culturelle	🇺🇸 À enrichir – centré sur l’anglais et les stéréotypes US