Sessismo linguistico e intelligenza artificiale

Il sessismo linguistico è un fenomeno complesso che si manifesta nelle scelte lessicali, grammaticali e pragmatiche che perpetuano gerarchie di genere. Quando si esamina la relazione tra questo fenomeno e l’intelligenza artificiale generativa, è indispensabile capire prima il ruolo del linguaggio nella costruzione delle identità di genere e delle rappresentazioni sociali.

Il ruolo del linguaggio nella costruzione del genere

La lingua è un sistema di comunicazione che organizza l’esperienza, attribuisce significati alla realtà e partecipa alla creazione dell’immaginario collettivo. Le scelte espressive non sono indipendenti dal contesto storico‑culturale: riflettono in modo spesso inconscio valori, credenze ed aspettative sociali.

Gli studi di genere, interdisciplinari per natura, analizzano come le società definiscano identità, ruoli e relazioni di potere. Il genere, inteso come categoria sociale e culturale, si fonda su pratiche, aspettative e rappresentazioni che modellano l’identità individuale e le posizioni sociali. In questa prospettiva, le differenze di genere non sono solo biologiche ma derivano anche dai processi di socializzazione e dalle pratiche discorsive.

La riflessione sul carattere culturale del genere si intreccia con la teoria di Butler, secondo cui le identità si costituiscono attraverso pratiche reiterate e convenzioni sociali che danno l’impressione di categorie stabili e naturali. Il linguaggio è quindi fondamentale: riconosce, classifica e rappresenta gli individui, contribuendo alla riproduzione di modelli identitari condivisi.

Il linguaggio come strumento di gerarchia

Le parole possono consolidare gerarchie sociali, stabilendo aspettative su professioni, competenze e comportamenti considerati appropriati per un uomo o una donna. Questo processo è evidente nelle denominazioni professionali, nei termini colloquiali e nelle costruzioni sintattiche che privilegiano implicitamente certi ruoli di genere.

Definizioni e ambiti di studio del sessismo linguistico

Il sessismo linguistico è una costellazione di espressioni e pratiche comunicative che offende, screditano o marginalizzano gli individui in relazione al sesso o al genere. Include forme apertamente denigratorie, ma anche usi linguistici apparentemente ordinari che contribuiscono a consolidare una rappresentazione gerarchica delle identità.

La ricerca su questo tema è nata in Italia negli anni settanta e si è evoluta includendo asimmetrie semantiche, denominazioni professionali, rappresentazioni stereotipate e strategie comunicative di valorizzazione o svalutazione del genere.

Genere grammaticale vs. genere sociale

Il genere grammaticale è una categoria del sistema linguistico; il genere sociale riguarda le dimensioni identitarie, culturali e relazionali che le persone assumono nella società. Sebbene distinti, questi piani interagiscono, influenzando le aspettative e le interpretazioni.

Nel linguaggio italiano, ad esempio, il maschile sovraesteso è tradizionalmente usato per gruppi misti o individui di genere non specificato. Questa convenzione non garantisce che il pubblico interpreti correttamente il riferimento, poiché la comprensione è influenzata da associazioni culturali e rappresentazioni sociali.

Denominazioni professionali e bias di genere

La resistenza all’uso di forme femminili come “ministra”, “sindaca”, “ingegnera” o “avvocata” dimostra come le scelte linguistiche siano spesso legate a valutazioni di prestigio e autorità. Le forme grammaticalmente disponibili possono essere viste come meno consuete quando associati a ruoli storicamente occupati da uomini.

Questo fenomeno evidenzia come la familiarità con un’espressione influenzi la sua accettabilità, mentre l’innovazione linguistica può essere vista come una deviazione rispetto a modelli tradizionali.

Denotazione e connotazione

La denotazione è il significato definitorio di una parola, mentre la connotazione include associazioni culturali, simboliche e valutative. Una denominazione professionale può indicare correttamente una funzione, ma evocare immagini sociali caratterizzate da aspettative di genere, come la dicotomia “segretario/segretaria”.

Questa distinzione aiuta a capire come un’espressione apparentemente neutra possa attivare stereotipi senza contenere elementi apertamente discriminatori.

Intelligenza artificiale generativa e sessismo linguistico

I modelli linguistici di grandi dimensioni (Large Language Models, LLM) sono addestrati su vasti insiemi di testi e apprendono regolarità lessicali, sintattiche e semantiche. Durante la generazione, riproducono le relazioni apprese e le istruzioni ricevute, producendo risposte coerenti e pertinenti.

La diffusione di chatbot in ambiti come l’istruzione, la comunicazione istituzionale, la ricerca e la divulgazione solleva interrogativi sulla rappresentazione delle identità e sulla riproduzione degli stereotipi. I dati di addestramento provengono da contesti culturali con disuguaglianze di potere e convenzioni linguistiche consolidate, e quindi i sistemi possono apprendere e riprodurre associazioni statistiche discriminanti.

Come si manifesta il bias nei LLM

• Riproduzione di termini stereotipati collegati al genere (es. “donna” associata a ruoli domestici).
• Uso preferenziale del maschile quando il genere non è specificato, rinforzando la visibilità maschile.
• Preferenza per forme maschili in denominazioni professionali, anche quando la realtà è miscelata.
• Generazione di risposte in cui il genere è implicitamente collegato a competenze o comportamenti.

Strategie per mitigare il bias

Per ridurre la riproduzione di stereotipi di genere è necessario intervenire su più livelli:

• Pre‑processing dei dati: filtrare e bilanciare corpora per genere e contesto sociale.
• Fine‑tuning specifico: addestrare modelli su testi che promuovono l’uguaglianza di genere.
• Controllo in tempo reale: implementare filtri e moduli di verifica per rilevare e correggere espressioni bias.
• Trasparenza e audit: esaminare periodicamente le uscite dei modelli per identificare schemi discriminanti.

Implicazioni pratiche e prospettive future

La comprensione del sessismo linguistico è essenziale per sviluppare tecnologie linguistiche più eque. Le politiche di data collection, le linee guida di sviluppo e le pratiche di test devono includere criteri di equità di genere.

Le ricerche future dovrebbero concentrarsi su:

• Analisi comparate di LLM addestrati su corpora diversificati.
• Impatto delle politiche di mitigazione su qualità e coerenza del testo generato.
• Coinvolgimento di comunità di genere per valutare l’efficacia degli interventi.

In sintesi, il sessismo linguistico non è solo un problema socioculturale, ma anche un ostacolo tecnico per l’IA. Solo integrando prospettive di genere nei processi di progettazione, addestramento e valutazione si potrà garantire che i modelli di intelligenza artificiale generativa contribuiscano a una comunicazione più inclusiva e rappresentativa.