Am 15. Oktober 2026 berichteten Cadena SER und Levante-EMV, dass Forschende der Gruppe PRHLT an der Universitat Politècnica de València (UPV) ein Forschungssystem entwickelt haben, das Sexismus in TikTok-Videos und Memes erkennen helfen soll. Die Berichte meldeten auch eine kürzliche Präsentation der Arbeit auf der XLII International Conference der Spanish Society for Natural Language Processing.
Warum Kontext für die Erkennung zählt
Die Forschenden verbinden Text- und Bildinformationen mit Reaktionen von Menschen, die die Inhalte betrachten: gemessen werden Augenbewegungen, Gehirnaktivität und Herzfrequenz. Iván Arcos, Forscher bei PRHLT, erklärte gegenüber Cadena SER, dass sich sexistische Botschaften in Memes und Videos hinter Humor, Ironie, Stereotypen oder scheinbar harmlosen Kommentaren verbergen können. Für die Einordnung komme es deshalb auch auf Gesten und den Zusammenhang der Botschaft an.
Die gemessenen Reaktionen stammen von den Versuchspersonen; sie sind nicht mit den Klassifikationsergebnissen des Systems gleichzusetzen. Die Berichte beschreiben längere Reaktionszeiten und mehr Blickfixationen bei sexistischen Videos sowie Schwankungen der Herzfrequenz bei der Meme-Betrachtung. Beim EEG, der Messung elektrischer Gehirnaktivität, kamen laut Cadena SER 16 Elektroden beziehungsweise Kanäle zum Einsatz. Iván Arcos beschrieb Veränderungen langsamer Hirnwellen in zentralen und parietalen Bereichen sowie Veränderungen schnellerer Beta- und Gamma-Aktivität bei bestimmten Kontextkategorien. Cadena SER
Stichprobe und berichtete Beobachtungen
Die Berichte nennen rund 4.000 Memes und 2.500 TikTok-Videos auf Spanisch und Englisch aus EXIST-Datensätzen. Zehn Personen betrachteten Videos, 16 Memes; dabei wurden ihre Augenbewegungen, EEG-Signale und Herzfrequenz erfasst. Cadena SER und Levante-EMV berichten außerdem, dass die Reaktionen je nach Art des Sexismus variierten. Dazu zählt die Unterscheidung zwischen direktem Sexismus und Inhalten, die sexistische Situationen zeigen oder bewerten und deren Absicht erst aus dem Kontext hervorgeht.
Was die berichteten Verbesserungen betreffen
Levante-EMV schrieb Paolo Rosso eine Verbesserung um 26,3 Prozent bei der schwierigsten Meme-Kategorie zu: Misogynie und nicht-sexuelle Gewalt. Für Videos berichtete die Zeitung von rund 4 Prozent Verbesserung bei der Unterscheidung, ob ein Video sexistisch ist, und von mehr als 6 Prozent bei der Unterscheidung zwischen direktem und bewertendem Sexismus, wenn physiologische Reaktionen zu Text- und Bildinformationen hinzukamen.
Der separate EXIST-2026-Beitrag
Ein am 24. März 2026 veröffentlichter Springer-Beitrag zu EXIST 2026 beschreibt sechs Aufgaben zur Erkennung von Sexismus, zur Bestimmung der Absicht hinter einem Beitrag und zur Einordnung verschiedener Formen von Sexismus. Sie beziehen sich auf spanisch- und englischsprachige Memes und TikTok-Videos. Der Beitrag hält außerdem fest, dass der Forschungsethikausschuss der UPV die Datenerhebung unter der Kennung P01_31-10-2025 genehmigte.
