Badacze z Universitat Politècnica de València (UPV) opracowali podejście, które łączy analizę tekstu i obrazu z reakcjami fizjologicznymi widzów, by pomagać w wykrywaniu seksizmu w filmach TikTok. Tak wynika z relacji opublikowanych 15 października 2026 r. przez RUVID i Actualidad Valencia. Osobne badanie memów przyniosło wynik F1 wyższy o 26,3% dla jednej konkretnej kategorii — to względna zmiana, a nie ogólny wynik dla filmów.

Jakie sygnały łączy podejście UPV

W opisie badania filmów system analizował tekst i obraz, a także śledzenie ruchu gałek ocznych, elektroencefalografię (EEG) i tętno osób oglądających materiały. Zespół badał około 2500 hiszpańsko- i anglojęzycznych filmów z zestawów EXIST; w eksperymencie z filmami uczestniczyło 10 osób. Według relacji taki zestaw sygnałów ma pomagać w ocenie treści, w których znaczenie zależy od humoru, ironii, stereotypów lub kontekstu.

Doniesienia o wynikach przypisały dodaniu sygnałów fizjologicznych poprawę wykrywania, czy film zawiera seksizm, o około 4%. W niektórych zadaniach klasyfikacyjnych — między innymi przy rozróżnianiu typów seksizmu — raportowano poprawę przekraczającą 6%. Opis tych wyników nie podaje metryki, której dotyczą podane wartości.

Co mierzy 26,3% w badaniu memów

Wynik 26,3% pochodzi z osobnego preprintu o memach, opublikowanego 27 lutego 2026 r. na arXiv. W kategorii „Misogyny and Non-Sexual Violence” wynik F1 wzrósł z 0,259 do 0,327. F1 łączy precyzję i czułość klasyfikacji, a podane 26,3% oznacza względny wzrost względem wyniku bazowego.

Autorzy oceniali model w pięciokrotnej walidacji krzyżowej na partycji treningowej EXIST 2025. Zbiór obejmował 3984 memy: 1979 po hiszpańsku i 2005 po angielsku. W dwóch eksperymentach uczestniczyło łącznie 16 osób, po osiem w każdym; każdy mem oglądały co najmniej dwie osoby.

Preprint podaje również AUC równe 0,794 dla binarnego wykrywania seksizmu oraz względny wzrost tej miary o 3,4% wobec mocnego modelu analizującego same treści. AUC opisuje zdolność klasyfikatora do odróżniania dwóch klas przy różnych progach decyzji. To wyniki dotyczące memów, nie badania filmów TikTok.

Jakie ograniczenia opisuje preprint

W eksperymentach z memami sygnały tętna nie przyniosły istotnych efektów. Autorzy wskazali, że krótkie, statyczne bodźce mogły nie wywołać dostatecznej reakcji organizmu. Złożoność wizualna i tekstowa memów nie była kontrolowana, a etykiety użyte w badaniu wiązały się z subiektywną oceną.

Te zastrzeżenia dotyczą preprintu o memach. Nie opisują wyników badania filmów TikTok, które relacje UPV przedstawiały osobno.