Questa procedura ha permesso loro di esplorare i tratti associati alle identità intersezionali, quantificando la frequenza con cui le etichette di occupazione o gli aggettivi dei tratti venivano utilizzati vicino a frasi che si riferivano a identità multiple, come "Donne nere", "Uomini ricchi", "Donne povere" o " Uomini bianchi."

Nella loro analisi, pubblicata su PNAS Nexus , gli autori mostrano innanzitutto che il metodo è un modo valido per estrarre gli stereotipi:occupazioni che erano, in realtà, dominate da determinate identità (ad esempio, architetto, ingegnere, manager sono dominate da uomini bianchi) sono anche, nel linguaggio, fortemente associate a lo stesso gruppo intersezionale a un tasso significativamente superiore al caso:circa il 70%.

Successivamente, gli autori hanno esaminato i tratti della personalità. La procedura FISE ha rilevato che il 59% dei tratti studiati erano associati a "uomini bianchi", ma solo il 5% dei tratti era associato a "donne nere".

Secondo gli autori, gli squilibri nelle frequenze dei tratti indicano un pregiudizio pervasivo androcentrico (centrico al maschio) ed etnocentrico (centrico al bianco) in inglese. Anche la valenza (positività/negatività) dei tratti associati era sbilanciata. Circa il 78% dei tratti associati ai "bianchi ricchi" erano positivi, mentre solo il 21% dei tratti associati ai "neri poveri" era positivo.

Secondo gli autori, modelli come questi hanno conseguenze a valle nell’intelligenza artificiale, nella traduzione computerizzata e nella generazione di testi. Oltre a comprendere in che modo i pregiudizi intersezionali modellano tali risultati, gli autori notano che il FISE può essere utilizzato per ricercare una serie di identità intersezionali attraverso le lingue e persino attraverso la storia.