gendered
The goal of gendered
is to provide functions that can extract various
gendered forms of speech in German. Right now it includes the
following forms:
- Gendered pair form (i.e. “Studenten und Studentinnen”)
- Gendered symbol form (i.e. “StudentInnen”, “Student:innen”, "Student*innen" etc.)
- Gender neutral form (i.e. “Studierende”)
Installation
You can install the development version of gendered
from GitHub with:
# install.packages("remotes)
remotes::install_github("vivifabrien/gendered")
Example
This is a basic example which shows you how to solve a common problem:
library(gendered)
## basic example code
Pair form examples
pair_examples <- data.frame(text = c("Liebe Migranten und Migrantinnen, liebe Arbeiterinnen und Arbeiter.",
"Es ist wichtig sich speziell für Arbeiterinnen einzusetzen.",
"Die Bürger und Bürgerinnen verlangen mehr.",
"Bin beim Treffen ehemaliger Stipendiaten und Stipendiatinnen!",
"Polen und auch Polinnen verdienen zu wenig.",
"Innenministerium des Bundes"),
text_id = 1:6)
pair_examples %>%
gendered_pairs(text)
text | text_id | match | word1 | word2 |
---|---|---|---|---|
Liebe Migranten und Migrantinnen, liebe Arbeiterinnen und Arbeiter. | 1 | migranten und migrantinnen | migranten | migrantinnen |
Liebe Migranten und Migrantinnen, liebe Arbeiterinnen und Arbeiter. | 1 | arbeiterinnen und arbeiter | arbeiterinnen | arbeiter |
Es ist wichtig sich speziell für Arbeiterinnen einzusetzen. | 2 | NA | NA | NA |
Die Bürger und Bürgerinnen verlangen mehr. | 3 | burger und burgerinnen | burger | burgerinnen |
Bin beim Treffen ehemaliger Stipendiaten und Stipendiatinnen! | 4 | stipendiaten und stipendiatinnen | stipendiaten | stipendiatinnen |
Polen und auch Polinnen verdienen zu wenig. | 5 | polen und polinnen | polen | polinnen |
Innenministerium des Bundes | 6 | NA | NA | NA |
Gendered symbol forms
symbol_examples <- data.frame(text = c("Liebe MigrantInnen & ImmigrantInnen.",
"Es ist wichtig sich speziell für Arbeiterinnen einzusetzen.",
"Die Bürger:innen verlangen mehr.",
"Bin beim Treffen ehemaliger Stipendiaten/innen!",
"Frankfurter/-innen verdienen zu wenig.",
"Innenministerium des Bundes"),
text_id = 1:6)
symbol_examples %>%
gendered_symbols(text)
text | text_id | match |
---|---|---|
Liebe MigrantInnen & ImmigrantInnen. | 1 | MigrantInnen |
Liebe MigrantInnen & ImmigrantInnen. | 1 | ImmigrantInnen |
Es ist wichtig sich speziell für Arbeiterinnen einzusetzen. | 2 | NA |
Die Bürger:innen verlangen mehr. | 3 | Bürger:innen |
Bin beim Treffen ehemaliger Stipendiaten/innen! | 4 | Stipendiaten/innen |
Frankfurter/-innen verdienen zu wenig. | 5 | Frankfurter/-innen |
Innenministerium des Bundes | 6 | NA |
Gender neutral forms
neutral_examples <- data.frame(text = c("Liebe Studierende und Auszubildende.",
"Es ist wichtig sich für die Arbeitenden einzusetzen.",
"Geflüchtete sind wichtige Mitglieder der Gesellschaft."),
text_id = 1:3)
neutral_forms <- neutral$gendergerechte_alternativen %>%
paste0("\\b", ., "\\b") %>%
paste0(collapse = "|")
neutral_examples %>%
dplyr::mutate(neutrals = stringr::str_extract_all(text, neutral_forms)) %>%
tidyr::unnest_longer(neutrals)
text | text_id | neutrals |
---|---|---|
Liebe Studierende und Auszubildende. | 1 | Studierende |
Liebe Studierende und Auszubildende. | 1 | Auszubildende |
Es ist wichtig sich für die Arbeitenden einzusetzen. | 2 | Arbeitenden |
Geflüchtete sind wichtige Mitglieder der Gesellschaft. | 3 | Geflüchtete |