Au-dela de Blanc, Garcon et Bleu : exploration des prejuges et de la deshumanisation des personnes autistes a travers des images generees par intelligence artificielle

Titre original en anglais : Beyond White, Boy, and Blue: Exploring Prejudice and Dehumanization of Autistic People through Artificial Intelligence Generated Images

Sources de métadonnées utilisées pour cette référence

OpenAlex Crossref
En savoir plus sur les sources utilisées

Botha, M., Love, J., Galbraith, H., & Pearson, A. (2024). Beyond White, Boy, and Blue: Exploring Prejudice and Dehumanization of Autistic People through Artificial Intelligence Generated Images [Preprint]. Center for Open Science. https://doi.org/10.31219/osf.io/cxktf

Date de publication: 23/10/2024 Ajout dans AutiHub: 05/07/2026 Type: Prépublication Langue de l’article: Anglais
Source OpenAlex Source éditeur (DOI) Texte intégral

Cette publication est intégrée dans AutiHub via :

Auteurs

Auteur·ices des publications
4
Auteur·ices de la publication identifié·es comme autistes
2 / 4 (50,0 %)
  1. Monique Botha *
  2. Jenna Love
  3. Halle Galbraith
  4. Amy Pearson *

Résumé

Contexte : L'intelligence artificielle (IA) generative gagne en importance et en utilisation dans la societe, avec la capacite de « creer » des images, du texte, de la musique et des videos en peu de temps, pour un cout relativement faible. Cependant, la qualifier de generative est impropre, car elle consomme ce sur quoi elle est entrainee et produit un amalgame de ce qu'elle a « appris », ce qui signifie qu'elle distille et reproduit souvent les biais societaux. Il est donc non seulement important de comprendre comment l'IA generative construit les personnes autistes en raison de sa prevalence, mais aussi parce qu'elle peut nous apprendre beaucoup sur la rhetorique et le discours sociaux concernant les personnes autistes. Methodes : Nous avons utilise des indices neutres par l'intermediaire de Midjourney afin de generer 48 images comprenant 51 cibles et avons realise deux types d'analyse. Premierement, quatre codeurs independants ont effectue une analyse de contenu fondee sur un schema de codage, en codant la race, le genre, l'age, les expressions faciales, la chaleur, le contact visuel et la presence de pieces de puzzle. Nous les avons choisis car le stereotype predominant est celui de l'autisme comme trouble de l'enfance touchant les garcons blancs. Nous avons ensuite realise une analyse critique visuelle du discours afin de deconstruire le contexte, la semiotique et les autres informations vehiculees dans les images concernant le discours sur l'autisme. Resultats : Les personnes autistes etaient representees comme des figures tristes, entierement blanches, malgre des indices neutres, presque entierement d'apparence masculine, souvent comme des enfants, avec une forte prevalence de pieces de puzzle dans les images. Grace a l'analyse visuelle du discours, nous avons souligne que les personnes autistes sont souvent deshumanisees, representees comme des figures solitaires sans engagement avec le monde, et que souvent la seule humanisation provient de rares figures adjacentes. Certaines images representent l'autisme comme un trouble violent, ou comme la mort a travers des figures en decomposition. Conclusions : Les images generees repetent des stereotypes profonds et des prejuges envers les personnes autistes qui sont importants dans la societe. Fait important, compte tenu de l'utilisation librement accessible de l'IA generative, elle pourrait representer une menace pour l'acceptation des personnes autistes.

Background: Generative Artificial Intelligence (AI) is growing in its prominence and use in society, with an ability to “create” images, text, music, and video in short time frames, with relatively little cost. However, calling it generative is a misnomer given that it consumes what it is trained on and produces an amalgamation of what it has “learnt” meaning it often distills and reproduces societal biases meaning it is not only important to understand how generative AI constructs autistic people because of its prevalence, but also because it can teach us a considerable amount of social rhetoric and discourse about autistic people.Methods: We used neutral cues through Midjourney to generate 48 images with 51 targets and did two kinds of analysis. First, four independent coders did a content analysis based on a coding scheme, coding for race, gender, age, facial expressions, warmth, eye contact and presence of puzzle pieces. We chose these as the predominant stereotype is of autism as a childhood disorder that affects white boys. We then did a visual critical discourse analysis to breakdown the context, semiotics, and other information conveyed in the images for discourse about autism.Results: Autistic people were portrayed as sad figures, entirely white, despite neutral cues, almost entirely male presenting, often as children, with a high prevalence of puzzle pieces in the images. Through visual discourse analysis we highlighted that autistic people are often dehumanized, portrayed as lone figures unengaged with the world, and that often the only humanization comes from rare adjacent figures. Some of the images portray autism as violent disorder, or as death through decaying figures.Conclusions: The images which were generated repeat deep stereotypes and prejudice towards autistic people that are prominent in society. Importantly, given the freely available use of generative AI, it may represent a threat to the acceptance of autistic people.

Bibliographie citée par cette référence

Les références citées sont importées depuis des sources externes de métadonnées lorsqu’elles sont disponibles. La liste peut être partielle.

Aucune bibliographie citée n’est actuellement intégrée pour cette référence. Cela ne signifie pas nécessairement qu’aucune bibliographie n’existe.