Este procedimiento les permitió explorar rasgos asociados con identidades interseccionales, cuantificando con qué frecuencia se utilizaban etiquetas de ocupación o adjetivos de rasgo cerca de frases que se referían a identidades múltiples, como "mujeres negras", "hombres ricos", "mujeres pobres" o "mujeres pobres". Hombres blancos."

En su análisis, publicado en PNAS Nexus , los autores muestran primero que el método es una forma válida de extraer estereotipos:ocupaciones que, en realidad, estaban dominadas por ciertas identidades (por ejemplo, arquitecto, ingeniero, gerente están dominadas por hombres blancos) también están, en el lenguaje, fuertemente asociadas con ese mismo grupo interseccional a una tasa significativamente superior a la probabilidad:alrededor del 70%.

A continuación, los autores observaron los rasgos de personalidad. El procedimiento FISE encontró que el 59 % de los rasgos estudiados estaban asociados con "hombres blancos", pero sólo el 5 % de los rasgos estaban asociados con "mujeres negras".

Según los autores, los desequilibrios en las frecuencias de los rasgos indican un sesgo androcéntrico (centrado en los hombres) y etnocéntrico (centrado en los blancos) generalizado en inglés. La valencia (positividad/negatividad) de los rasgos asociados también estaba desequilibrada. Alrededor del 78% de los rasgos asociados con los "blancos ricos" fueron positivos, mientras que sólo el 21% de los rasgos asociados con los "negros pobres" fueron positivos.

Según los autores, patrones como estos tienen consecuencias posteriores en la inteligencia artificial, la traducción por computadora y la generación de texto. Además de comprender cómo el sesgo interseccional da forma a tales resultados, los autores señalan que FISE se puede utilizar para investigar una variedad de identidades interseccionales en diferentes idiomas e incluso a lo largo de la historia.