Statt 27,95 €**
18,99 €
**Preis der gedruckten Ausgabe (Broschiertes Buch)

inkl. MwSt. und vom Verlag festgesetzt.
Sofort per Download lieferbar
  • Format: PDF

Bachelorarbeit aus dem Jahr 2024 im Fachbereich Informatik - Künstliche Intelligenz, Note: 1,3, Technische Universität Chemnitz, Sprache: Deutsch, Abstract: Diese Arbeit untersuchte den Gender-Bias in Large Language Models (LLMs) im Marketingsektor. Im Fokus stand die Analyse von Textantworten, die durch spezifische Prompts aus unterschiedlichen Perspektiven (neutral, weiblich, männlich) generiert wurden, und die Bewertung hinsichtlich geschlechtskodierter Sprache. Die Studie zielte darauf ab, herauszufinden, ob die Wahl der Produktkategorie zu unterschiedlichen Ergebnissen in Bezug auf…mehr

Produktbeschreibung
Bachelorarbeit aus dem Jahr 2024 im Fachbereich Informatik - Künstliche Intelligenz, Note: 1,3, Technische Universität Chemnitz, Sprache: Deutsch, Abstract: Diese Arbeit untersuchte den Gender-Bias in Large Language Models (LLMs) im Marketingsektor. Im Fokus stand die Analyse von Textantworten, die durch spezifische Prompts aus unterschiedlichen Perspektiven (neutral, weiblich, männlich) generiert wurden, und die Bewertung hinsichtlich geschlechtskodierter Sprache. Die Studie zielte darauf ab, herauszufinden, ob die Wahl der Produktkategorie zu unterschiedlichen Ergebnissen in Bezug auf Gender-Bias führte und wie die Antworten zwischen männlichen und weiblichen Perspektiven variierten. Untersucht wurde auch, ob die Länge der generierten Texte geschlechtsspezifische Unterschiede aufzeigte. Die Studie zeigte, dass LLMs in der Textgenerierung geschlechtsspezifische Unterschiede aufwiesen, insbesondere in Bezug auf Sprachmuster und Themenschwerpunkte je nach männlichen oder weiblichen Prompts. Zudem ergab die Untersuchung, dass bestimmte Produktkategorien stärkere geschlechtsspezifische Verzerrungen aufzeigten. Die Ergebnisse betonen die Wichtigkeit, bei der Entwicklung von KI-Systemen für Marketingzwecke auf Geschlechtergerechtigkeit und Unvoreingenommenheit zu achten, um faire und inklusive Werbebotschaften zu gewährleisten.