Sebuah mesin pembelajaran digunakan untuk menelaah 3,5 juta buku fiksi dan non-fiksi terbitan antara tahun 1900 – 2008. Lebih khusus telaahan diarahkan pada penggunaan kata sifat di antara 11 milyar kata-kata dalam buku tsb yang menggambarkan karakter pria dan wanita.
Hasilnya kata sifat untuk menggambarkan wanita terkait dengan penampilan fisiknya, contoh cantik dan seksi. Sedangkan kata sifat untuk pria terkait dengan perilaku atau kualitas pribadi, misalnya rasional dan pemberani.
So what? Isabelle Augenstein memaparkannya dalam pertemuan tahunan Asosiasi Linguistik Komputasional, 2019: (1) terdapat bias jender dalam persepsi masyarakat tentang pria-wanita; (2) salah satu masalah yang bisa muncul adalah apabila seleksi karyawan dilakukan dengan mesin yang diinstruksikan mencari kandidat dengan kualitas rasional misalnya, maka sudah bisa ditebak kandidat yang akan lulus dan tidak.