近期，來自艾倫人工智能研究所的研究人員對計算機領(lǐng)域中的性別問題做了深入分析。實驗表明，本世紀(jì)男性和女性作者數(shù)量將不會持平、不同性別作者之間協(xié)作率在下降。

性別平等問題似乎一直是個熱議的話題，學(xué)術(shù)界也是如此。

去年8月，名稱一直飽受爭議的國際頂會NIPS，因在會議中遇到的性騷擾，再次將NIPS推上風(fēng)口浪尖。

同年11月17日，NIPS官網(wǎng)將會議名稱默默改為NeurIPS。至此，有關(guān)該頂會性別歧視、性別平等的問題算是得到了相應(yīng)的解決。

而近期，一項來自艾倫人工智能研究所(Allen Institute for Artificial Intelligence)的論文對計算機領(lǐng)域中的性別問題做了深入的分析與研究。

論文地址：

https://arxiv.org/pdf/1906.07883.pdf

這項研究對計算機領(lǐng)域近287萬篇文獻(截至2018年)進行了全面的分析，結(jié)果表明：

如果按照當(dāng)前的趨勢發(fā)展下去，本世紀(jì)男性和女性作者數(shù)量將不會持平；

若是按照較為樂觀的預(yù)測結(jié)果，性別平等預(yù)計將在2100年之前實現(xiàn)；

對計算機科學(xué)協(xié)作趨勢進行分析后表明，不同性別作者之間協(xié)作率在下降。

287萬篇計算機論文做實驗數(shù)據(jù)

研究人員所要試圖解決的問題包括：

論文作者之間的性別平衡如何隨時間而變化？

論文作者的性別將在何時達到平衡狀態(tài)？

協(xié)同作者之間的性別存在怎樣的關(guān)系？

研究人員通過對計算機科學(xué)會議和期刊(287萬篇論文)中的文獻原數(shù)據(jù)進行自動化研究，并利用Semantic Scholar學(xué)術(shù)搜索引擎中的數(shù)據(jù)來回答上述這些問題。

數(shù)據(jù)統(tǒng)計如下所示：

表1Computer Science and Medline語料庫統(tǒng)計

作者列表從所有出版物中提取，并編譯成一個名字列表。研究人員使用Gender API為每個名稱執(zhí)行性別查找。對于每個名稱，Gender API輸出預(yù)測的二進制性別(女性或男性)，以及與預(yù)測相關(guān)的準(zhǔn)確性和用于確定的樣本數(shù)量。只有首字母可用的作者(少于語料庫中所有作者的0.5%)被排除在分析之外。

(性別應(yīng)用程序接口(Gender API)是一個大型的在線數(shù)據(jù)庫，通過將各國公開的政府?dāng)?shù)據(jù)與社交媒體資料鏈接起來，可以獲得已知的姓名和性別關(guān)系。)

但此時卻存在一個問題：很多名字都是性別模糊的。因此研究人員使用Gender API返回的準(zhǔn)確性來表示每個作者是男性和女性的復(fù)合。

例如，第一個名字Matthew被確定為男性，準(zhǔn)確率最高為100。這個結(jié)果是明確的。然而，Taylor這個名字被確定為女性的正確率僅為55分。

精度用于為每個名稱生成兩個概率(m, f)，其中m為關(guān)聯(lián)作者為男性的概率，f為關(guān)聯(lián)作者為女性的概率，其中m + f = 1。在本例中，每個姓Matthew的作者將用概率元組(1.0，0.0)表示，每個姓Taylor的作者將用概率元組(0.45，0.55)表示。

本世紀(jì)男女性別平衡較為困難，女性協(xié)作者呈下降趨勢

通過實驗，計算機科學(xué)語料庫中的287萬篇論文產(chǎn)生了824萬個 author-paper units。

作者的趨勢

圖1

如圖1所示，按照目前的增長速度，女性作者的比例預(yù)計在2137年左右達到0.45(95%置信區(qū)間:[2109,2172])。

圖2

圖2顯示了一段時間內(nèi)女性和男性作者的數(shù)量。隨著時間的推移，作家的總數(shù)在增加，女性作家的比例也在增加。

圖3

圖3顯示了對均衡女性作者比例參數(shù)α的敏感性分析。該分析顯示了在每個均衡比例中首次達到平等的年份。

當(dāng)均衡比例被認為有利于女性而非男性(高于0.5)時，達到平衡的年份會更早。即使女性最終將占所有出版物的90%，但按照目前的增長速度，預(yù)計到2100年左右將實現(xiàn)男女平等。

協(xié)作者趨勢

此處統(tǒng)計的是每年計算機科學(xué)中相同和不同性別的協(xié)作者人數(shù)。

圖4

圖4顯示了自1995年以來相同/不同性別協(xié)作者的額外和缺失的數(shù)量。在男性和女性中，相同性別的合作作者比預(yù)期的要多，而不同性別的合作作者比預(yù)期的要少。近年來(與預(yù)期數(shù)字相比)，每年有超過2萬個不同性別的合作項目消失。

通過分析觀察到的與預(yù)期的比率，協(xié)作者的趨勢還是較為悲觀的。

雖然男性和女性都更有可能與自己性別的作者合作，但在女性作者中，同性偏好的程度正在下降，而在男性作者中卻在上升。

與此同時，不同性別之間的協(xié)作差距(O/E < 1.0)也在不斷擴大。盡管近年來有更多的跨性別合作機會(由于在該領(lǐng)域工作的女性科學(xué)家的增加)，但觀察到的跨性別合作的數(shù)量并沒有如預(yù)期的那樣增加。

與Medline的比較

Medline語料庫包括1163萬篇論文，可以產(chǎn)生4766萬個author-paper units。

圖5

圖5顯示了Medline語料庫中女性和男性作者的數(shù)量。

圖6

圖6顯示了使用ARIMA預(yù)測女性作者的預(yù)計比例。

2002年Medline語料庫數(shù)據(jù)中可以觀察到不連續(xù)性。這是由于Medline索引記錄中的完整作者姓名是從2002年才開始要求的。

2002年這一比例的下降表明，Medline期刊沒有對作者使用全名，才造成了2002年以前女性作者比例高的假象。

工作總結(jié)

研究人員對計算機科學(xué)文獻（287萬篇論文）進行了全面分析，以評估作者之間的性別趨勢。

根據(jù)最近的趨勢，預(yù)計計算機科學(xué)中女性作者的比例在本世紀(jì)不會達到平等，并且在更現(xiàn)實的假設(shè)下，可能需要更長的時間。

研究人員還觀察到跨性別合作的數(shù)量低于預(yù)期，觀察到的預(yù)期比率隨著時間的推移而下降。

計算機科學(xué)領(lǐng)域女性科學(xué)家的比例增長緩慢，這繼續(xù)對進入該領(lǐng)域的女性構(gòu)成挑戰(zhàn)。并且女性科學(xué)家在尋找合作者方面可能比男性科學(xué)家面臨更多的挑戰(zhàn)。

研究人員希望，這些發(fā)現(xiàn)將激勵該領(lǐng)域的其他人評估他們與這些性別偏見的關(guān)系，并考慮改善現(xiàn)狀的方法。