機械翻訳システムは、明確な性別の手がかりがない場合に、デフォルトの行動やステレオタイプに基づいた翻訳を行いがちであり、これがユーザーに害を及ぼす可能性があります。この問題に取り組むため、研究者らはGAND（Gender-Ambiguous Natural Data）データセットを提案しました。これは、文脈の手がかりが翻訳における性別の扱いにどのように影響するかを分析するために特別に設計された英語原文からなるベンチマークリソースです。
GANDは、現実世界の性別曖昧な状況を反映した英語の文で構成されています。例えば、「The doctor told the patient they would recover」という文の「they」は任意の性別を指す可能性がありますが、文法性のある言語（フランス語やドイツ語など）に翻訳する際、機械翻訳システムは特定の性別を選択する必要があり、しばしばデフォルトの仮定や統計的な偏りに依存します。研究チームは、GANDのサブセットをフランス語とドイツ語に翻訳し、さらに手動で対比翻訳を作成しました。これは、文脈中の特定の単語を変更し、それに伴う性別翻訳の変化を観察するためのものです。この対比翻訳アプローチにより、変数を精密に制御し、性別選択に決定的な影響を与える原文の単語を特定できます。
その後、研究チームは特徴帰属分析手法を適用し、原文の各単語が目標の性別翻訳にどの程度寄与するかを体系的に評価しました。その結果、性別翻訳に影響を与えるキーワードは、明らかな性別標識（「he」や「she」など）ではなく、役割語（「nurse」、「engineer」など）や修飾語であることが判明しました。これらの単語はしばしば社会的ステレオタイプを内包しています。例えば、「the strong nurse」という表現は「l'infirmier」（男性）と翻訳される傾向がある一方、「the compassionate nurse」は「l'infirmière」（女性）と翻訳される傾向があります。
この研究は、機械翻訳システムにおける性別バイアスの理解を深めるための新たな視点とツールを提供します。GANDデータセット自体はオープンなベンチマークであり、他の研究者が再現や拡張研究を行うことができます。また、対比帰属手法は他の言語ペアや性別関連タスクにも応用可能です。本論文はEAMT2026の技術トラックに採択されており、MTの公平性に関する学術的な関心の継続を示しています。今後、研究者はGANDを活用して翻訳システムの性別処理能力を評価・改善し、ユーザーへの潜在的な害を軽減することが期待されます。