70z

《看不见的女性》Epub+Pdf+Mobi+Txt+Azw3 下载在线阅读

 《看不见的女性》Epub+Pdf+Mobi+Txt+Azw3 下载在线阅读


内容介绍

这是一部全新视角的女性研究作品,全世界一半人口被无视和烧毁的故事英国书店奖受到读者的欢迎。好书| 《金融时报》麦肯锡林加商业图书奖牛津大学院长权威推荐|英国皇家学会科学图书奖作品,这本书也以庞大的资料和事例讲述了女性被系统忽视的残酷事实。大卫亚设,Northern Exposure(美国电视剧)在很多“性中立”规则的背后,男性经常被视为基本选项,而女性则视而不见。妇女承担着75%的无偿护理工作,每年为全球GDP贡献10万亿美元——美元,但休息较少,得不到报酬,缺乏社会支持。

女厕所经常排队,但男厕所基本上畅通无阻的——女性的生理结构不同,所以所需的厕所时间是男性的2.3倍,男女厕所一般设计为相同大小,男厕所有尿壶,可以容纳更多人。

女性遭遇交通事故受轻伤的可能性比男性高71%,重伤的可能性高47%,死亡率高173354。汽车根据男性的身材设计,碰撞测试堆数十年来都是以男性为标准的,即使近年来采用女性假测试,也没有考虑到女性肌肉质量分布和骨密度等生理差异。

同样的药物,女性服用后的效果可能远低于男性——。因为相当多的药物试验没有将女性纳入研究。90%的药理学论文只描述雄性动物的研究,男性的身体被用来代表全人类。

从公共交通到政府决策,从工作到医院手术,世界对女性的忽视或威胁存在于所有视线、公交车、厕所、平凡的工作日、你我生活的每一个隐秘角落。

作者简介

卡罗琳克里亚多佩雷斯英国作家、记者。

毕业于牛津大学和伦敦政治经济大学的作品在《卫报》 《泰晤士报》 《金融时报》 《新政治家》 《看不见的女性》等知名媒体中很常见。

2015年,女性群像传记Do It Like a Woman出版,入选多家媒体今年的好书目录。

2019年获得出版《金融时报》、英国书店奖读者人气好书、英国皇家学会科学图书奖、0103010、麦肯锡商业图书奖等重要奖项,翻译成30多种语言出版。2013年,由于为女性及弱势群体的长期发声和行动,BBC被评为年度百强女性之一。

2015年,因对平等和多样性的贡献被授予大英帝国勋章(OBE)。2020年因促进男女平等被芬兰政府授予HN奖。

epubooks.top站是一个下载优质电子书的网站,书籍种类非常多,每个类目下的书籍资源都非常丰富,支持kindle、epub、mobi、azw3、pdf格式下载。以及在线阅读-epub,kindle,mobi,azw3,pdf格式!


一個下載優質電子書的網站,書籍種類非常多,每個類目下的書籍資源都非常豐富,支持kindle、epub、mobi、azw3、pdf格式下載。以及在線閱讀-epub,kindle,mobi,azw3,pdf格式!


=======================================================



记得收藏本站哟!每天都会更新

资源收集不易,还请帮忙点一点,是我的动力谢谢!!!!!!!!!!

如果有什么书本站没有,你也可以在评论处留言。我会第一时间去的!

收藏本站每日更新更多书籍!

资源地址: Epub版-----密码1122

  MOBI版-----密码1122

            PDF版------密码1122

                  TxT版------密码1122

    azw3版------密码1122

=======================================================

书友评论:

优绩主义的神话

在20世纪的大部分时间里,纽约爱乐乐团都没有女性音乐家。在五六十年代,有两次聘请一两名女性,其他时候女性的数量都顽固地止步于零。但突然之间,事情发生了变化:从20世纪70年代开始,女性音乐家的数量不断上升。

管弦乐队的人员流动率极低。乐队的组成是相当静态的(总共有大概100名乐手),只要你被雇用了,基本上就是终身制;音乐家被解雇是极其少见的事情。所以,当这个管弦乐队中的女性比例在10年内从统计学意义上的0%增长到10%时,可以想见,这里一定发生了什么不得了的事。

这件不得了的事就是盲试。[1]盲试制度是在20世纪70年代初的一场诉讼后创立的,顾名思义,招聘委员会和乐手之间有一道隔板,所以无法看出是谁在试奏。[2]这块隔板产生了立竿见影的效果。到20世纪80年代初,女性开始占新录用员工的50%。如今,纽约爱乐乐团的女音乐家比例超过45%。[3]

只是安装了一块隔板,就把纽约爱乐乐团的试音过程变成了一种优绩主义。但这件事是一个例外:对全球绝大多数招聘决策来说,优绩主义都是一种有害的神话。它为制度化的白人男性偏见提供了掩护。而且,令人沮丧的是,尽管几十年来的证据表明,这个神话很大程度上只是一种幻想,但它显然在对抗所有证据。如果我们想要消除神话,仅仅收集数据显然是不够的。

但是,优绩主义是一种神话——这个事实并不受人欢迎。工业化国家的人们相信,优绩主义不仅是事物应有的运行方式,也是实际的运行方式。[4]虽然有证据表明,美国与其他工业化国家的不同在于其优绩主义的程度要低,[5]但美国人尤其坚持优绩主义的信条,而且在过去几十年里,就业和晋升策略的设计越来越倾向于把优绩主义当作一种现实。一项针对美国公司的调查发现,95%的公司在2002年采用了绩效考核(1971年为45%),90%的公司实施了以业绩为基础的薪酬计划。[6]

问题是,几乎没有证据表明这些方法确实有效。事实上,倒是能找到强有力的证据证明它们没用。一项研究分析了从美国多家科技公司汇总而来的248份绩效评估报告,结果发现女性受到的负面人格批评远多于男性。[7]女性被告知要注意自己的语气,要退后一步。她们被评价为专横、粗暴、强硬、好斗、情绪化和非理性。在所有这些词中,只有“好斗”一词也出现在对男性的评估报告中——“出现2次,而且是在鼓励他们更加好斗”。更糟糕的是,几项关于绩效奖金或加薪的研究发现,白人男性的薪酬高于表现相同的女性和少数族裔,还有一项针对一家金融公司的研究发现,从事相同工作的女性和男性在绩效奖金方面存在25%的差异。[8]

优绩主义的神话在美国科技行业达到了顶峰。2016年的一项调查显示,在科技企业的创始期,创始人最关心的是“招聘优秀人才”,而在十大商业优先事项中,录用多元化的员工只排在第七位。[9]有四分之一的创始人表示,他们对多元化或工作与生活的平衡根本不感兴趣。这表明,科技行业相信如果你想找到“最优秀的人才”,考虑什么结构性偏见根本是多余的。你只需要信仰优绩主义。

实际上,相信优绩主义可能正是接受偏见的唯一必要条件。研究表明,如果你相信自己是客观的,或者相信自己没有性别歧视,你就会不那么客观,更有可能做出性别歧视的行为。[10]一名男性(女性身上并未表现出同样的偏见),如果他相信自己在招聘中做出了客观的决策,就更有可能聘用男性求职者,而不是同等条件的女性求职者。在明确以优绩主义为特征的组织中,经理们更喜欢男性员工,而不是同等资历的女性员工。

科技行业如此沉迷于大数据的潜力,又如此迷恋优绩主义的神话,这很有讽刺意味,因为在有确实数据存在的地方,这种迷恋是很少出现的。但若说在硅谷,优绩主义是一种宗教,它的上帝就是从哈佛大学退学的白人男性。他的大多数追随者也是如此:在科技行业,女性只占雇员的四分之一,占高管的11%;[11]而美国一半以上的本科学位、一半的化学本科学位和近一半的数学本科学位都是由女性获得的。[12]

超过40%的女性在科技公司工作10年后会离开,而男性只有17%。[13]人才创新中心的一份报告发现,女性离开并不是出于家庭原因或者不喜欢这份工作。[14]她们离开是因为“工作环境”“经理的破坏行为”以及“一种职业生涯停滞不前的感觉”。《洛杉矶时报》的一篇特稿也发现,女性之所以离职,是因为她们的晋升之路再三受阻,项目也被取消。[15]这听起来像优绩主义吗,还是更像制度化的偏见?

在这样的统计数据面前,优绩主义的神话依然存在,这证明了男性默认思维的力量:正如在设想一个“人”的时候,男人80%的时候设想的是男人,科技行业的许多男性可能根本没有注意到这个行业是如何被男性主宰的。但这也证明了这个神话的吸引力:它告诉受益其中的人,他们所有的成就都归功于自己的价值。最可能相信优绩主义神话的人是出身上层社会的年轻美国白人,这并非偶然。[16]


如果美国上层社会的白人最可能相信优绩主义的神话,那么学术界也和科技界一样坚定地追随优绩主义,就不足为奇了。学术界的上层——尤其是科学、技术、工程和数学领域(STEM)的上层——由中上阶层的白人男性主导。这是能让优绩主义神话蓬勃发展的完美培养皿。因此,最近的一项研究发现,当男性学者——尤其是STEM领域的学者——给声称学术界不存在性别偏见的虚假研究和持相反结论的真实研究打分时,前者的得分更高。[17]实际上,性别偏见不仅不胜枚举,而且有充分的文献记录。

来自世界各地的大量研究发现,女学生和女学者获得资助、面见教授、获得指导甚至得到工作的可能性都明显低于男性候选人。[18]母亲们被认为能力较差,薪酬也往往较低,当父亲却能给男人带来好处(这种性别偏见绝不仅限于学术界)。[19]然而,尽管有大量数据证明,学术界实际上远非实行优绩主义,但大学仍在运行,仿佛男学生和女学生、男学者和女学者是在公平竞争。

学术界的职业发展很大程度上取决于你在同行评审的期刊上发表了多少文章,但发表文章对男性和对女性来说是不同的。许多研究发现,女性作者的论文在双盲评审(作者和审稿人都不表露身份)中更容易被接受,或者得到更高的评价。[20],[21]在这一点上,尽管证据各不相同,但考虑到学术界已经确认存在许多男性偏见,似乎没有理由不进行这种形式的盲审。然而,大多数期刊和会议并没有采用这种做法。

当然,女性学者也能发表论文,但这只是成功的一半。被引用次数通常是决定研究影响力的一个关键指标,而研究影响力又会相应地决定职业发展。几项研究发现,女性被引用的次数整体少于男性。[22]在过去的20年里,男性自我引用的次数比女性多70%[23]——女性比男性更倾向于引用其他女性作者,[24]这意味着发表文章的差距成了一种恶性循环:发表论文的女性越少,论文被引用的差距就会越大,这也就意味着女性在事业上无法获得应有的进步,如此循环往复。男性默认思维进一步加剧了这种引用差距:由于学术界普遍使用首字母而不是全名,学者的性别往往不是一望即知,导致女性学者被假定为男性。一项分析发现,女学者如果被当作男人(比如同行认为P代表保罗而不是葆琳),被引用的次数是相反情况的10倍以上。[25]

经济学家贾斯廷·沃尔弗斯在为《纽约时报》撰稿时指出,与此相关,一个男性默认的习惯是,记者常会在第一作者实际上是女性的情况下,将男性撰稿人称为第一作者。[26]这种男性默认思维的懒惰产物,在媒体报道中是不可原谅的,在学术界更不被接受,然而它仍在学术界扩散。在经济学领域,合著论文很常见,但合著论文中隐藏着一种男性偏见。男性不管是独立撰写还是与人合著,获得的赞许都是一样的,女性则不然,除非她是与其他女性经济学家合著,否则女性从中获得的赞誉还不到男性的一半。美国一项研究认为,这解释了为什么尽管女性经济学家发表的论文与男性经济学家一样多,但男性经济学家获得终身教职的可能性是女性同行的2倍。[27]人们喜欢把被认为是由男性完成的研究与“更高的科学质量”联系起来,背后也可能是男性默认思维在起作用:[28]这可能是纯粹的性别歧视的产物,但也可能是把男性视为普遍、把女性视为小众的思维模式的结果。这应当能在一定程度上解释为什么女性作者编写的参考书不太可能出现在课程教学大纲上。[29]

当然,在女性面临所有这些隐形的障碍之前,她必须首先找到时间去做研究,而这绝不是想当然的事情。我们已经讨论了女性在有偿工作之外的无偿工作会如何影响她们做研究的能力。但她们在工作场所内的无偿工作量同样会产生影响。当学生遇到情感问题时,他们求助的是女讲师,而不是男讲师。[30]学生也更有可能向女性学者请求延期、提高分数或者通融。[31]单独来看,这样的请求不太可能会占用太多时间或精力——但加起来就构成了女性学者时间上的成本,而男性学者大多甚至没有意识到这一点,大学也没有考虑到此事。

相比男性同事,女性还被要求做更多遭到低估的管理工作[32]——而且她们不得不应承下来,因为如果说“不”,就会因为“不讨人喜欢”而受到惩罚。(这是很多工作场所都存在的一个问题:女性,尤其是少数族裔的女性,无论在办公室还是在家里,都要操持“家务”——记笔记、倒咖啡、收拾别人留下的烂摊子。[33])相比男性同事,女性也更有可能被安排额外的教学时间,发表作品的能力也因此受到影响,[34]而且,就像“荣誉”管理职务一样,人们认为教学没有研究重要、严肃、有价值。我们在这里遇到了另一个恶性循环:女性的教学负担使她们不能发表足够的作品,而这导致了更多的教学任务,并越积越多。

女性承担价值较低的工作,这种不平等又因为工作考评系统而加剧,因为考评系统中本来就存在对女性整体的偏见。教学评估表在高等教育中被广泛使用,代表了另一种“我们确实有数据,但我们不看它”的情形。许多国家几十年的研究[35]表明,教学评估表在实际运用中不仅没用,而且还“对大量女教师抱有巨大偏见,其严重程度具有统计学上的意义”。[36]然而,这些评估表在评估性别偏见方面倒很有用。其中一种偏见是我们的老朋友——“人类被默认为男性”,其表现为,当女性讲师并不重点关注白人男性时,会遭到反对。“这门课我收获无多,除了性别和种族斗争,我并没有得到什么新的信息。”一名学生抱怨道,这位同学显然认为性别和种族与其所学课题“美国联邦”无关。[37]

另一名学生也落入了本书引言曾谈到的陷阱:没有意识到“人”的意思可能是“男人”也可能是“女人”,并抱怨说“虽然安德里亚第一天就表示她将从一个民族的视角来讲授本课,但她并没有说明第一民族和妇女的历史会占多大比重”。顺便说一句,我们有必要对这名讲师关注“第一民族和妇女历史”的程度持保留态度:我的一个朋友从一名男学生那里得到了类似的不愉快评价,因为她在政治哲学课上“过于关注”女权主义。总共十堂课里,她大概讲过一次女权主义。

相比高效率的女讲师,低效率的男讲师反倒常从学生那里获得更高的评价。学生们认为男讲师的批改速度更快——哪怕这是不可能的,因为线上课程都只有一位讲师授课,但仍有一半学生认为讲师是一男一女。如果女讲师被认为不够热情和平易近人,就会受到惩罚。但如果她们真的很热情、很平易近人,又可能会因为看上去不权威或不专业而受到惩罚。另一方面,表现得权威且知识渊博的女性仍然会引起学生不满,因为这违反了他们对性别的期待。[38]与此同时,男教师只要能像女教师被人期待的那么平易近人就会得到奖励,但女教师只有在不平易近人的时候才会被人注意到。

一项研究[39]分析了RateMyProfessors.com网站上的1400万条评论,发现女讲师更有可能“刻薄”“苛刻”“不公平”“严厉”和“烦人”。而且这种情况还在恶化,“学生的评论越来越具有攻击性,有时甚至带有暴力倾向”,于是女教师们不再大量阅读对自己的评价。加拿大一所大学的政治史讲师从她的学生那里得到了如下反馈:“我喜欢你的乳头透过胸罩凸出来的样子,谢谢”,确实很有用。[40]这位被质疑的讲师现在只穿“有衬垫的文胸”。

同一项教学评估研究发现,女性不仅更有可能“刻薄”,男性讲师也更有可能被描述为“聪明”“智慧”“机智”和“天才”。但这些男人真的比女人拥有更多的天赋吗?或者只是因为这些词并不像它们看起来那么中性?现在,请试着设想一个天才。很有可能,你想到的是一个男人。没关系,我们都有这些无意识的偏见。我想到的是爱因斯坦——披头散发的爱因斯坦伸出舌头的著名画面。而事实是,这种偏见(我喜欢称之为“才华偏见”)意味着男讲师通常被认为学问更渊博、更客观、更有天赋。而基于教学评估的职业发展完全不能解释这一点。

才华偏见在很大程度上是数据缺口的结果:我们已经把那么多女性天才从历史上一笔划去,她们没法轻易进入我们的脑海。其结果是,当人们认为“才华”是某份工作的必要条件时,他们真正的言下之意是“阴茎”。几项研究发现,一个领域在文化上越是被认为需要“才华”或“天赋”才能获得成功——比如哲学、数学、物理、作曲、计算机科学——女性在该领域学习和工作的机会就越少。[41]我们就是认为女人天生不那么聪明。事实上,我们似乎认为女性气质与才华成反比:在最近的一项研究中,研究人员向参与者展示了美国顶尖大学的男女理科教员的照片,结果发现,长相对一个男人是否会被判定为科学家没有影响。[42]然而,对于女性来说,她看起来越符合传统上女性化的形象,人们就越不可能认为她是科学家。

我们在孩子还很小的时候就向他们灌输才华偏见。美国最近的一项研究发现,当女孩在5岁开始上小学时,她们和5岁的男孩一样认为女性可以“非常非常聪明”。[43]但是到了6岁,情况就不同了。她们开始对自己的性别产生疑问。事实上,她们开始限制自己:如果一个游戏是为“非常非常聪明的孩子”准备的,5岁的女孩会跟男孩一样想玩,但6岁的女孩突然就不感兴趣了。学校教育小女孩,才华不属于她们。难怪大学生在填写教师评估表的时候,总会认为女老师不是那么够格。

学校也在向男孩传授才华偏见。正如我们在引言中看到的,几十年来,在“画一个科学家”调查中,孩子们压倒性地选择画男人,但近来一项“画一个科学家”的综合分析却受到媒体交口称赞,因为它表明我们越来越不性别歧视了。[44]在20世纪60年代,只有1%的儿童画了女性科学家,而现在有28%。这当然是一种进步,但离现实还很远。在英国,攻读理工学科的女性实际上超过男性:高分子专业的女性占86%;遗传学专业女性占57%;微生物学专业女性占56%。[45]

无论如何,调查结果实际上比新闻标题复杂得多,它证明学校课程中仍然存在数据缺口,仍在向孩子灌输偏见。孩子们刚开始上学的时候,画的男女科学家比例大致相等,男孩和女孩所画比例也均等。到七八岁的时候,画男性科学家的数量就大大超过了女性科学家。到14岁的时候,男科学家是女科学家的4倍。因此,尽管孩子们画的女性科学家确实越来越多,但这种增长主要发生在更小的儿童身上,因为教育系统还没有向他们教授数据上的性别差异。

变化中也存在显著的性别差异。从1985年到2016年,女孩所画女性科学家的平均比例从33%上升到58%,男孩所画的比例从2.4%升至13%。这一差异可能会对2016年的一项研究有所启发,该研究发现,女生根据实际能力对同学进行排名,而生物学专业的男生始终认为男生比事实上学习更好的女生更聪明。[46]才华偏见是一味可怕的毒药。它不仅会导致学生对老师或彼此做出错误的评价,也有证据表明它会导致老师误判学生。

过去10年间进行的几项研究表明,推荐信是招聘过程中另一个看似性别中立、实则并不中立的部分。[47]美国的一项研究发现,相比男性,女性候选人在推荐信中常被形容为更注重集体(温暖、善良、关怀他人),但不太积极(也不太有野心、不太自信)。如果你的推荐信中包含更注重集体的成分,就会降低你得到这份工作的可能,[48]尤其当你是女性的时候:男性的“团队精神”被认为是一种领袖品质,但对女性来说,这个词“会让她看起来像一个追随者”。[49]研究还发现,为女性写的推荐信会强调教学(地位较低)而非研究(地位较高),[50]包含更多令人生疑的表述(含糊的说法、敷衍的赞美),[51]而且不太可能出现“非凡的”“杰出的”等形容出众的词。在推荐信中,女性的勤奋更容易受褒奖,比如“努力工作”。

大学使用教学评估和推荐信,其核心却存在数据缺口。与更普遍的、优绩主义中的数据缺口类似,这种缺口之所以会出现,与其说是由于缺乏数据,不如说是由于拒绝接触数据。而校方似乎相信评估和推荐信的效果和应用都是性别中立的。但是,不管证据多么充分,推荐信和教学评估仍然受到重视,被广泛应用于招聘、晋升和解雇,就好像它们是客观的价值检验手段。[52]英国准备在2020年引入卓越教学框架,届时,学生打分会变得更加重要。该框架将被用来决定一所大学可以获得多少资金,而英国全国学生问卷调查则会被视为“教学成功的关键指标”。而在这个卓越教学的新世界里,女性很可能会受到严厉的惩罚。

如果我们关心学术研究的质量,学术界缺乏优绩主义是一个应该引起我们所有人关注的问题,因为研究表明,女性学者在工作中比男性更有可能对男性默认模式下的分析提出异议。[53]这意味着发表论文的女性越多,研究中的性别数据缺口缩小的速度就越快。我们应该关心学术研究的质量。这不是一个深奥的问题,也不是只与象牙塔里的人有关。学界的研究对政府政策、医疗实践和职业卫生立法有重大影响。学界的研究对我们所有人的生活都有直接的影响。重要的是,女性在这里不会被人遗忘。


鉴于有证据表明,孩子是在学校里习得才华偏见,停止向他们灌输这一点应该不难。事实上,最近的一项研究发现,如果教科书中的配图里出现了女科学家,女生的科学课成绩会更好。[54]所以,为了不再让女孩认为才华不属于她们,我们只需停止对女性进行歪曲描述。这很简单。

然而,一旦习得这种偏见,纠正它就困难得多,而接受了这种偏见教育的孩子一旦长大、进入职场,他们自己往往也会开始传承这种偏见。在人对人的招聘时碰到这种偏见已经够糟糕了,而随着算法驱动的招聘形式兴起,这个问题注定会恶化,因为我们有充分理由怀疑,当我们将决策行为外包给代码时,这种偏见也不知不觉地混了进去。

1984年,美国科技记者史蒂文·列维出版了他的畅销书《黑客:计算机革命的英雄》。列维笔下的英雄全都才华横溢,专心致志。他们都是男人。他们也没什么性生活。列维解释说:“你进行黑客活动,你的生活遵循黑客伦理,你也知道,女人会做很多极其低效和浪费的事情,比如浪费太多周期、占用太多内存等。”他书中的一位主人公对他说:“即使在今时今日,大家也会公认女人极其难以捉摸。一个(默认为男性的)黑客怎能容忍这种不完美的存在?”

在这样明目张胆地表达厌女之后,他又写了两段文字,意识到自己还是无法解释为什么这种文化或多或少是“男性专属”的。他写道:“可悲的是,从来就没有一个明星级的女黑客。没人知道为什么。”史蒂文,我也不知道,不过我们可以大胆猜测一下。

列维未能在公开的厌女文化和神秘的女性匮乏之间建立明显的联系,从而助长了黑客天生只可能是男人的神话。今天,很难想象还有什么职业比计算机科学更受才华偏见的束缚。“热爱编程的女孩在哪里?”一位带学生去卡内基梅隆大学参加计算机科学大学预修夏校的高中教师问道。“我带了好几个非常非常喜欢电脑的男孩,”他思索着,[55]“有几位家长告诉我,如果可能的话,他们的儿子会通宵玩电脑编程。我还没有遇到过这样的女孩。”

这也许是真的,但正如他的一位女性同行所指出的那样:没有表现出这种行为并不意味着他的女学生不喜欢计算机科学。在回忆自己的学生经历时,她解释了自己是如何在大学的第一节课上“爱上”编程的。但她没有熬夜,甚至没有把大部分时间花在编程上。“通宵达旦地做某件事可能代表着对这件事的热爱,但也可能是偏执和不成熟的表现。女孩在表达对计算机和计算机科学的热爱时,方式可能完全不同。如果你的目的是寻找这种偏执的行为,那么你实则上是在寻找一种典型的年轻男性行为。虽然有些女孩也会做出类似的举动,但大多数不会。”

围绕典型的男性行为来描述计算机科学领域的天赋,除了不能解释女性的社会化问题(女孩会因为不合群而受到惩罚,男孩则不会)之外,其吊诡之处还在于,编程最初被视为女性的游戏。事实上,女性是最初的“计算机”,她们亲手为军队做复杂的数学运算,直到机器出现并取代了她们。[56]

女人被机器取代之后,又过了好多年才被男人取代。ENIAC是世界上第一台全功能数字计算机,诞生于1946年,由六名女性编程。[57]在20世纪40年代和50年代,女性仍然是编程界的主导性别。[58]1967年,《大都会》杂志发表了一篇鼓励女性编程的文章,题为《计算机女孩》。[59]计算机先驱格蕾丝·霍珀在文中解释说:“这跟筹划一顿晚餐很像。你必须提前规划和安排好每件事,这样才能在需要的时候做好万全准备。编程需要耐心和处理细节的能力。女性‘天生’适合计算机编程。”

但就在这段时间,雇主们开始意识到,编程并不是他们曾经认为的低技能文书工作。它不只是打字或直觉,而是需要解决问题的高级技能。而且,才华偏见比客观现实更强大(考虑到女性已经在做编程,她们显然具备这些技能),行业领袖开始培训男性。然后他们开发了貌似客观、实际对女性存有偏见的招聘工具。就像如今大学里使用的教学评估一样,这些测试受到了外界批评,因为它告诉雇主的“与其说是应聘者是否适合这份工作,不如说是他或她是否具备常见的刻板印象特征”。[60]很难确认,开发这些招聘工具是性别数据缺口(没有意识到他们寻找的特征是男性偏见)还是直接歧视的结果,但不可否认的是,它们偏袒男性。

多项选择题能力测试不再要求“注意细微差别或在特定情况下解决问题”,转而关注那种数学上的细节问题,即使在当时,行业领袖也认为这些问题与编程越来越无关了。这些测试真正擅长评估的是男人在当时更可能在学校里学到的那种数学技能。它们也适合测试申请者是否有良好的人脉:答案经常可以通过纯男性的关系网获得,比如大学兄弟会和麋鹿会(美国的兄弟会组织)。[61]

在卡内基梅隆大学夏校活动中,计算机科学教师认可的是一种程序员的刻板印象:孤僻的怪才,社交技能很差,不讲个人卫生。1967年一篇被广泛引用的心理学论文指出,“对人不感兴趣”和“不喜欢与人密切接触的活动”是“程序员的显著特征”。[62]结果,公司找到了这些人,他们成了那一代的顶尖程序员,而他们的心理状况则成了一种自我应验的预言。

既然如此,这种隐藏的偏见如今又卷土重来,也就不足为奇了,这是因为有越来越多的秘密算法参与到招聘过程中。美国数据科学家、《数学杀伤性武器》一书的作者凯茜·奥尼尔为英国《卫报》撰文,解释了在线技术招聘平台Gild(现已被城堡资本公司收购并纳入公司内部[63])如何通过梳理求职者的“社交数据”,[64]也就是他们在网上留下的痕迹,让雇主获得远超求职者简历的信息。这些数据被用来根据“社交资本”给候选人排名,“社交资本”基本上是指程序员对数字社区有多么不可或缺。这可以通过他们在GitHub或Stack Overflow等开发平台上共享和开发代码的时间来衡量。但是Gild筛选出的海量数据也揭示了其他模式。

例如,根据Gild的数据,经常访问某个特定的日本漫画网站“预示着强大的编码能力”。[65]因此,访问这个网站的程序员会得到更高的分数。这一切听起来都很令人兴奋,但正如奥尼尔所指出的,访问漫画网站就能得到加分,这实在让关心多样性的人心中警铃大作。正如我们所见,女性承担了全世界75%的无偿照护工作,她们可能没空花几个小时在网上聊漫画。奥尼尔还指出:“如果像大多数科技网站一样,那个漫画网站也由男性主导,并且带有性别歧视的基调,那么这个行业中的很多女性可能会避免使用它。”简而言之,Gild看起来有点像卡耐基夏校项目中那位男性计算机科学老师的算法。

毫无疑问,Gild并无意创造一种歧视女性的算法。他们的本意是消除人类的偏见。但是,如果你不了解这些偏见是如何运作的,如果你不收集数据、不花一点时间来建立基于证据的程序,你就将盲目延续过去的不公正。因此,Gild的程序员没有考虑到女性与男性在线上和线下生活的差异,他们无意中创造了一个对女性存有潜在偏见的算法。

但这还不是最麻烦的。最麻烦的是我们不知道问题到底有多严重。大多数这类算法都是保密的,并以专有代码的形式得到保护。这意味着我们不知道这些决策是如何做出的,也不知道它们隐藏了什么偏见。我们之所以了解Gild算法中的这种潜在偏见,唯一的原因是它的一个创建者碰巧告诉了我们。因此,关于这些人工智能的歧视性,这是一个双重性别数据缺口:首先是在设计算法的程序员的认知方面,其次是在整个社会的认知方面。


在晋升和招聘中,都存在就业程序不自觉偏向男性的问题。一个典型的例子来自谷歌,在这家公司里,靠毛遂自荐获得升职的女性员工少于男性。这不足为奇:女性习惯于谦逊,万一她们越过了这一既定的性别准则,就可能受到惩罚。[66]但是谷歌感到惊讶,于是开始着手解决问题——这一点值得嘉许。不幸的是,他们解决问题的方式是典型的男性默认思维。

目前还不清楚谷歌是没有还是不关心强加给女性的文化期望数据,但无论如何,他们的解决方案不是修正男性偏见的体系,而是修正女性。2012年,谷歌的人力运营主管拉兹洛·博克告诉《纽约时报》,谷歌的资深女性员工开始举办研讨会,“鼓励女性毛遂自荐”。[67]换句话说,他们举办研讨会来鼓励女性更像男性。但是,我们为什么要接受这样一个事实呢?即男人做事情的方式,男人看待自己的方式,才是正确的方式。最近的研究表明,女性往往能准确评估自己的智商,但智商为平均水平的男性则认为自己比三分之二的人更聪明。[68]在这种情况下,也许并不是女性提名自己的比例太低。也许是男人推荐自己的比例太高了。

博克声称谷歌的研讨会是成功的(他告诉《纽约时报》,现在女性的晋升比例与男性相当),但若真是如此,为什么谷歌不愿提供数据来证明呢?美国劳工部在2017年分析谷歌的薪酬实践时发现,“几乎整个劳动力市场上都存在针对女性的系统性薪酬差异”,“在几乎所有工作类别中,男性和女性的薪酬都存在六至七个标准差的差异”。[69]谷歌已多次拒绝向劳工部提交完整的工资数据,在法庭上斗争了数月以避免这种要求。他们坚称,公司不存在薪酬不平衡。

对一家几乎完全建立在数据基础上的公司来说,谷歌不愿提供薪酬方面的数据,似乎有些出人意料。它本不应如此。软件工程师周怡君自2013年以来一直在调查美国科技行业女性工程师的数量,她发现“每家公司都有一些隐藏或篡改数据的方法”。[70]他们似乎也并不想费神去考察其“举措能否令工作环境对女性更友好,或鼓励更多女性进入或留在计算机行业”。周怡君解释说:“没有办法判断他们的举措是否成功或值得模仿,因为没有任何成功的标准。”结果,“没有人就这个问题进行诚实的对话”。

科技行业为何如此害怕透露按性别分列的就业数据,原因尚不完全清楚,但它对优绩主义神话的迷恋或许与此有关:如果想要得到“最优秀的人才”,你需要做的只是相信优绩主义,那么数据对你有何用?具有讽刺意味的是,如果这些所谓的优绩主义机构真的把科学看得比宗教重要,那么他们完全可以利用现有的、基于证据的解决方案。例如,与普遍的误解相反,伦敦政治经济学院最近的一项研究发现,在政治选举和工作场所中引入的性别配额是为了“淘汰不称职的男性”,而不是为了提拔不合格的女性。[71]

他们还可以收集和分析有关招聘程序的数据,看看这些程序是否如他们认为的那样性别中立。麻省理工学院就是这么做的,他们对30多年来的数据进行分析后发现,女性在“通常的部门招聘程序”中处于劣势,“传统的部门遴选委员会可能很难找到杰出的女性候选人”。[72]除非遴选委员会明确要求各部门主管提供杰出的女性候选人姓名,否则他们可能不会推荐女性。许多女性得以录用,是因为明确提出要选拔女性候选人,如果没有外界的鼓励,她们可能一开始就不会申请这份工作。与伦敦政治经济学院的调查结果一致,这篇论文还发现,在特别注重聘用女性时,标准并没有降低:事实上,如果有什么不同的话,那就是被聘用的女性“在某种程度上比她们的男性同行更成功”。

好消息是,一旦各个组织确实看到这些数据并试图采取行动,可能会带来翻天覆地的变化。一家欧洲公司在发布技术职位招聘广告时,使用了一张男性的照片并强调“进取心和竞争力”,于是只有5%的应聘者是女性。而当他们把广告换成一张女性的照片,并以文字强调热情和创新时,女性申请人数飙升至40%。[73]数字设计公司Made by Many也发现了类似的转变,他们改变了招聘高级设计岗位的措辞,更多地关注团队合作和用户体验,而不是一味鼓吹执着和自负。[74]这个职位并没有变化,但对它的描述不同了——结果女性申请者的数量增加了一倍多。

这只是两则轶事,但有大量证据表明,广告措辞会影响女性求职的可能性。一项针对4000个招聘广告的研究发现,如果广告中使用了“进取”“雄心勃勃”或“坚持不懈”等与男性刻板印象相关的字眼,女性就会丧失申请意愿。[75]值得注意的是,女性并非有意识地关注语言,也没有意识到它对自己的影响。她们把工作缺乏吸引力归结为个人原因,使之合理化——这表明在你遭受歧视的时候,你甚至未必能意识到自己的处境。

几家科技型初创企业也借鉴了纽约爱乐乐团的做法,开发了盲招系统。[76]GapJumpers公司会给特定职位的求职者分配小型任务,并将表现最好的求职者的资料发送给招聘经理,但对其身份信息完全保密。结果呢?大约60%的获选者来自代表人数不足的背景。当技术招聘机构Speak with a Geek在两个不同的场合,向同一组雇主展示相同的5000名候选人时,他们发现了类似的戏剧性结果。第一次,他们提供了候选人的姓名、经历和背景等细节,获得面试机会的人中有5%为女性。第二次,这些细节都被隐去,被选中面试的女性比例为54%。

不过,虽然盲招可能在最初的招聘过程中很管用,但它难以被纳入晋升程序。但解决方案也是有的:问责制和透明度。某家科技公司通过收集所有关于加薪决定的数据,并任命一个委员会来监控这些数据,让经理们真正对自己的决定负责。[77]采用这一制度5年之后,工资差距几乎完全消失了

发表评论

0 评论