Detecting Explicit and Implicit Gender Bias in Software Engineering Education
Notice bibliographique
Résumé
Gender bias in software engineering education appears in both explicit and implicit forms, including Stereotyping Bias, Generic Pronouns, Sexism, Semantic Bias, and Exclusionary Terms. These biases-embedded in textbooks, slides, assignments, and examples-can discourage participation from underrepresented groups in the field. In this work, we propose an automated approach for detecting both explicit and implicit gender bias in software engineering educational content. We first constructed a diverse, multi-source dataset by combining samples from SEBiasText, Gender Bias in Text: Labeled Datasets and Lexicons, GenderAlign, CrowS-Pairs, and StereoSet. To generate highquality training labels, we applied a hybrid labeling approach that combines rule-based techniques with predictions from a fine-tuned BERT model. Once labeled, we trained a separate BERT-based multi-label classifier to detect multiple bias types within a sentence. To evaluate its real-world applicability, we tested the model exclusively on software engineering materials drawn from widely adopted textbooks. The model achieved an F1-score of 91.22 % and an accuracy of 87.51 %, demonstrating strong performance in detecting both obvious and less noticeable forms of gender bias. These results highlight the effectiveness, scalability, and practical value of our approach in supporting educators, curriculum designers, and researchers in creating more inclusive educational content in software engineering.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».