Stereotypering en discriminatie zijn een bron van zorg in onze samenleving. Ondanks pogingen dit aan te pakken, blijven vooroordelen en discriminatie, op soms subtiele wijze, bestaan. Ons dagelijks taalgebruik bevat veel expliciete en impliciete uitingen over sociale categorieën, zoals minderheids-, leeftijds- en gendergroepen, maar ook over nieuwe categorieën (bv. “wappies”, complotdenkers). Dergelijk taalgebruik draagt bij aan het vormen en versterken van stereotypen en voedt, vaak onbewust, stereotypering en discriminatie.
Onderzoek over dit onderwerp was voornamelijk op basis van experimenteel gemanipuleerde, kunstmatige zinnen. Beukeboom zal zich met zijn onderzoek juist richten op natuurlijk taalgebruik, wat vaak complexer is. Met dit onderzoek willen Beukeboom en zijn collega’s meer begrip en bewustzijn creëren over de rol van taal en communicatie bij de vorming en instandhouding van stereotypen over sociale categorieën. Allereerst bestuderen ze wanneer en hoe stereotypen voorkomen in spontaan geproduceerd taalgebruik in communicatie over sociale groepen en hoe dit van invloed is op de vorming van stereotypen bij ontvangers.
Daarnaast ontwikkelen ze een software-toolset om geautomatiseerd stereotypen en vooroordelen in teksten te detecteren. Deze toolset kan impliciete stereotypering onthullen in verschillende contexten (bv. Social media, nieuwsartikelen, organisatie- en beleidsdocumenten, prestatiebeoordelingen, museumcollecties, schoolboeken). Dit maakt verder onderzoek, controle, correctie, preventie en educatie over stereotyperen mogelijk. Het onderzoek kijkt naar de Engelse en Nederlandse taal, maar de bevindingen zullen ook toepasbaar zijn op andere talen, aldus Beukeboom. “Het gaat namelijk veelal over dingen in taalstructuur, bijvoorbeeld ontkenningen, taalabstractie en type labels, die in de meeste talen op een vergelijkbare manier voorkomen.”
Beukeboom: “We zijn ontzettend blij met de NWO-financiering van dit onderzoek. We kunnen met dit project veel beter gaan begrijpen hoe sociale categorieën en bijbehorende stereotypen ontstaan en worden gecommuniceerd in dagelijks taalgebruik. Doordat we ook de detectietechniek uitbreiden kunnen uitingen van stereotypering en vooroordelen op een objectieve manier worden bestudeerd.”
Naast het wetenschappelijk belang van dit onderzoek benadrukt Beukeboom de maatschappelijke impact van zijn onderzoek. In eerdere projecten ontwikkelden Beukeboom en collega’s een algoritme dat leeftijdsdiscriminatie in miljoenen vacatureteksten kon ontdekken. Het huidige project bouwt voort op deze ervaring, en gaat een stap verder door de detectietechniek uit te breiden naar meer linguïstische kenmerken en een veel grotere verscheidenheid aan stereotypen in uiteenlopende tekstgenres.
Op termijn kan dit wetenschappers, maar ook (overheids-)organisaties en bijvoorbeeld geschreven nieuwsmedia of uitgevers, helpen om bias in bestaande communicatie over specifieke minderheidsgroepen bloot te leggen. Met een beter begrip kunnen vervolgens interventies en taalbeleid voor inclusief en fair taalgebruik worden ontwikkeld om ongewenste stereotypering te verminderen of te voorkomen.