example_fem = { "mujer": "la mente de una mujer que durante los últimos", "chica": "enamorado de la misma chica desde la infancia mary", "ella": "ella llego a la final", "madre": "su padre y su madre margarita de parma", "hija": "hija de inmigrantes españoles en", "femenino": "campeonato mundial de voleibol femenino fue la duodécima edición", } example_joven = { "joven": "", "inmaduro": "", "niño": "", "crio": "" } example_viejo = { "viejo": "", "maduro": "", "anciano": "", "adulto": "" } example_masc = { "hombre": "deseo innato que todo hombre tiene de comunicar su", "chico": "fue un chico interesado en artes", "el": "el parque nacional liwonde", "padre": "la muerte de su padre en 1832 se formó", "hijo": "le dice a su hijo aún no nacido como", "masculino": "el mito es esencialmente masculino y entre las causas", } example_diagnose = { "ario": "establecer que el pueblo ario vivió en inmemoriales tiempos", "educación": "sentido de vida religión educación y cultura para cada mujer", "pagado": "un rescate muy grande pagado por sus seguidores a", "cocinar": "empezó a cocinar una sopa usando", "lavar": "era directamente usado para lavar ropa por eso la", "deporte": "se convirtió en el deporte más popular del país", "ropa": "usan el kimono una ropa tradicional japonesa", "pelea": "mal por la violenta pelea entre ambos hermanos", "enfermero": "en enfermería el diagnóstico enfermero o diagnóstico de enfermería es", "ganar": "una necesidad un modo de ganar", "líder": "del estado en manos del líder opositor henrique capriles para el", "coser": "realizar tareas domésticas básicas como coser y poner la mesa", "cuidar": "de la fpf encargada de cuidar los intereses de los clubes", "cirujano": "afrancesado ocupando el puesto de cirujano militar en el ejército josefino", "rey": "la princesa jeongsung esposa del rey danjong que ascendió al trono", "reina": "año ganó el título de reina de la bahía en el" } fem_words = ','.join([word for word, context in example_fem.items()]) fem_contexts = ','.join([context for word, context in example_fem.items()]) masc_words = ','.join([word for word, context in example_masc.items()]) masc_contexts = ','.join([context for word, context in example_masc.items()]) young_words = ','.join([word for word, context in example_joven.items()]) old_words = ','.join([word for word, context in example_viejo.items()]) diagnose_words = ','.join([word for word, context in example_diagnose.items()]) diagnose_contexts = ','.join([context for word, context in example_diagnose.items()]) positive_money_words = 'ahorrar,economizar,administrar,manejar,negocio,beneficios' negative_money_words = 'malgastar,derrochar' diagnose_money = 'alemán,australiano,argentino,millonario,rico,pobre' lazy_words = 'vago, perezoso, gandul' active_words = 'trabajar, esfuerzo, trabajador' examples1_explorar_sesgo_en_palabras = [ [fem_words, masc_words, diagnose_words], [old_words, young_words, diagnose_words], [positive_money_words, negative_money_words, diagnose_money], [lazy_words, active_words, diagnose_money] ] examples2_explorar_sesgo_en_palabras = [ [fem_words, masc_words, young_words, old_words, diagnose_words], [lazy_words, active_words, positive_money_words, negative_money_words,diagnose_money], ] examples_explorar_relaciones_entre_palabras = [ [diagnose_words, fem_words, masc_words, young_words, old_words], [diagnose_money, lazy_words, active_words, positive_money_words, negative_money_words], ] # Examples Sesgos en frases examples_sesgos_frases = [ ["los * manejan bien la plata", "argentinos,pobres,millonarios,australianos"], ["los cordobeses bailan *", ""], ["en la década de los ochenta, el * fue lo más escuchada en Argentina", "rock,tango,jazz,blues"], ["",""] ] examples_datos = ["ronronear", "ella", "el", "ellos"]