创新背景

勤奋好学的亚洲人、时髦但无助的女人和贪婪的店主……这些令人厌倦的文学和电影刻板印象不仅经常冒犯它们所讽刺的人，还会拖累原本可能引人入胜的叙事。

创新过程

马里兰大学人机交互实验室的研究人员正致力于通过创建DramatVis Personae (DVP)来解决这些clichés问题，这是一个基于网络的可视化分析系统，由人工智能提供支持，帮助作者识别他们可能在无意中赋予角色（或戏剧人物）虚构形式的刻板印象。

DVP的设计目的是与作者自己的创作过程顺利结合，它允许他们分析现有的文献进行研究，在可用时上传他们的书面内容，甚至在工具本身中编写，然后进行文本分析和可视化实时更新。

DVP使用以前的文献数据库和自然语言处理方法，自动检测角色，并随着故事的发展收集有关他们的数据，包括他们的别名、提及和动作。然后，作者可以提供每个角色的人口统计信息，如他们的年龄、种族、性别等。DVP仪表盘使用这个不断增长的数据集来可视化角色的存在和随着时间的推移的社会身份。

在开发DVP之前，Hoque和Elmqvist对9位创造性作家进行了采访研究。该团队还包括石溪大学(Stony Brook University)计算机科学博士生巴夫亚·盖(Bhavya Ghai)，询问了他们的创作过程，他们如何克服有害的刻板印象，以及他们如何从该工具的支持中受益。

在他们最初的设计和实施之后，研究人员再次通过访谈和焦点小组接触作者来测试他们的工具。然后，该团队对11名参与者进行了用户研究，以评估DVP的有效性。结果显示，与简单的文本编辑器相比，使用DVP可以更有效地回答与偏见检测相关的问题。

创新关键点

DVP使用以前的文献数据库和自然语言处理方法，自动检测角色，并随着故事的发展收集有
关他们的数据，包括他们的别名、提及和动作。然后，作者可以提供每个角色的人口统计信息，如他们的年龄、种族、性别等。DVP仪表盘使用这个不断增长的数据集来可视化角色的存在和随着时间的推移的社会身份。

创新价值

这个新型工具不干涉作家的艺术自由，而且对作家来说，写下存在的问题是很重要的。作家们完全控制着这个系统，因为他们要定义什么是偏见，以及如何减轻偏见。这个工具可以让人很容易发现无意识的、微妙的社会偏见。

Authors use artificial intelligence to discover 'stereotypes' in their work

Researchers at the University of Maryland's Human-Computer Interaction Laboratory are working to solve these cliches by creating DramatVis Personae (DVP), a web-based visual analysis system powered by artificial intelligence, Helps writers identify stereotypes that they may be inadvertently giving fictional forms to characters (or dramatic characters).

Designed to integrate smoothly with the authors' own authoring processes, DVP allows them to analyze existing literature for research, upload their written content when available, or even write it in the tool itself, followed by text analysis and visualization for real-time updates.

DVP uses a database of previous literature and natural language processing methods to automatically detect characters and collect data about them as the story progresses, including their aliases, mentions, and actions. The author can then provide demographic information for each character, such as their age, race, gender, and so on. The DVP dashboard uses this growing dataset to visualize character presence and social identity over time.

Before developing DVP, Hoque and Elmqvist conducted interviews with nine creative writers. The team, which also included Bhavya Ghai, a doctoral student in computer science at Stony Brook University, asked them about their creative process, how they overcame harmful stereotypes, and how they benefited from the tool's support.

After their initial design and implementation, the researchers again approached the authors through interviews and focus groups to test their tool. The team then conducted a user study with 11 participants to assess the effectiveness of DVP. The results show that questions related to bias detection can be answered more effectively with DVP than with a simple text editor.