可讀性差距：性別平等干預措施如何重新分配跨文化的認可
arXiv - Computers and SocietyBinglu Wang, Jose Cervantez, Jiahui Xue, Katherine L. Milkman, Dashun Wang
研究發現性別平等政策因依賴姓名推斷性別，導致能識別西方姓名的女性受益，而東亞姓名女性則被忽視。
AI 幫你先抓重點
AI 重點 1
演算法公平性可能隱藏著深層的文化偏見
滑鼠懸停看 AI 判斷理由
當我們使用自動化工具（如姓名推斷）來推動社會公平時，若演算法邏輯僅基於特定語言（如英語）的特徵，會無意中將非西方文化群體邊緣化，造成「用來促進公平的工具反而加劇了不平等」的悖論。
AI 重點 2
警惕「平均值」背後的分配不均問題
滑鼠懸停看 AI 判斷理由
政策在宏觀數據上可能顯示有效（例如女性引用率上升），但微觀層面的分配卻極度不均。這提醒研究者與決策者，評估政策成效時不能只看平均增長，必須檢視不同文化背景群體間的分配差異。
核心研究發現
- 1
研究定義了「可讀性差距」現象：當性別透過姓名推斷時，能傳達性別特徵的姓名者受益，而轉譯為英文後失去性別線索的姓名則被排除。
- 2
分析引用多樣性聲明發現，雖然實踐該聲明的論文引用女性頻率較高，但獲益者幾乎全是擁有具性別特徵西方姓名的女性。
- 3
針對 2,250 名參與者的兩項預註冊實驗證實，決定女性能否獲得認可的關鍵在於「語言可讀性」，而非文化陌生感。
對教育工作者的啟發
對於致力於推動學術公平的實務工作者，應避免過度依賴單一的、基於語言特徵的自動化性別識別工具。建議在設計學術評鑑或引用分析系統時，應納入多語言處理能力，或採用非姓名依賴的多元性別識別方法。此外，在制定全球性的學術政策時，必須進行文化敏感度測試，確保政策在不同語言背景的學者之間具有一致的有效性，避免因「語言可讀性」導致的系統性歧視。
原始文獻資訊
- 英文標題：
- The Legibility Gap: How Gender Equity Interventions Redistribute Recognition Across Cultures
- 作者：
- Binglu Wang, Jose Cervantez, Jiahui Xue, Katherine L. Milkman, Dashun Wang
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。