对100万篇博士论文的分析显示，人们根深蒂固地偏见于“女性化”研究主题。
研究人员借助一种名为自然语言处理的人工智能技术，发现了性别、性别化兴趣与职业发展结果之间的关联。
研究人员发现，女性成为教职导师的可能性比男性低约20%；这是偏见于“女性化”研究所导致的结果。
一项对100万篇博士论文的分析发现，人们普遍偏见于那些看起来带有女性色彩的研究，即使研究并未明确涉及女性或性别。
十多年来，在美国获得博士学位的女性人数一直多于男性。尽管如此，女性获得终身教职、发表论文以及在学术界担任领导职务的比例仍低于男性。
关于这一现象成因的大量研究聚焦于结构性障碍和明显的偏见。但斯坦福大学教育研究生院一支研究团队开展的一项新研究发现，学术界普遍存在一种隐性的偏见，针对的是那些仅仅看起来带有女性色彩的学术研究——即使研究本身并未专门涉及女性或性别。
“女性化研究”
研究人员分析了美国高校近40年来近100万篇博士论文，发现研究与女性相关主题，或采用与女性相关方法的学者，日后获得高级教职的可能性低于其他学者。
问题并不主要在于人们偏见于女性主义研究或性别研究；自20世纪70年代以来，这些领域已大幅发展。事实上，博士论文明确研究女性的人，其职业前景略好于明确研究男性的人。
真正的问题在于一种更隐蔽的偏见，针对被“女性化”的主题和研究设计，也就是说，这些主题和设计更容易让人联想到女性劳动的传统。例如，博士论文摘要中出现“育儿”“儿童”或“关系”等词语的学者，职业前景不如使用“算法”“效率”或战争等词语的人。
即使在特定学科内部，无论是社会学还是计算机科学，论文与女性研究传统相关的学者，职业前景也不如在各自领域撰写更“男性化”论文的学者。尽管社会规范不断变化，女性学者人数日益增加，研究人员发现，对女性研究的贬低在这40年间大体始终如一。
“人人都强调，学术界建立在精英主义之上，一切都是中立的，都以研究的科学价值为依据，”该研究的首席作者金兰宇（Lanu Kim）说。她曾在斯坦福大学担任博士后研究员并领导研究团队，如今是韩国科学技术院的助理教授。“这在某种程度上是虚假的，也在某种程度上不可能实现。男性和女性的研究兴趣可能不同，有些主题本来就更容易与女性而非男性联系起来。这个过程不可能真正中立。”
这项研究发表于期刊Research Policy。
人工智能发现其中规律
研究人员使用自然语言处理（一种用于研究文本规律的人工智能技术），分析了1980年至2010年间美国各地高校所有学科的博士论文摘要。
为了衡量一篇论文的“女性化”或“男性化”程度，研究人员统计了历年男性或女性博士生使用比例明显偏高的词语。统计词语包括明确指涉性别的词，例如“女人”“男人”“她”或“他”。
除此之外，研究人员还寻找与女性或男性兴趣相关的词语，即使这些词本身与性别毫无关系。
与女性联系紧密的词语包括：学校、教师、儿童、家长、文化和参与。相比之下，与男性联系紧密的词语从算法、效率到与能源和电子相关的词语，不一而足。
职业回报较低
随后，研究人员通过考察哪些学者后来担任高级教职，衡量其学术职业前景。具体来说，他们查看学者后来是否被任命为他人博士论文的主要指导教师；这有力地表明新晋学者长期的学术成功。
尽管衡量成功的方式还有很多，金兰宇及其同事想了解的是，学术机构是否会因某些类型的研究而在无形中惩罚学者。
总体而言，获得博士学位的人中只有6.3%后来成为教职导师，而女性达到这一比例的可能性比男性低约20%。
值得注意的是，博士论文明确研究女性的学者，比明确研究男性议题的学者略有优势。这反映了许多大学为弥补多年忽视女性议题造成的差距而作出的努力。
然而，研究与女性有更隐性关联的主题并采用相关研究设计的学者，职业前景较差：他们成为教职导师的机会比平均水平低12%。或许更令人震惊的是，在社会学等学术研究与女性劳动传统紧密相关的领域，隐性偏见实际上比在机械工程等男性占主导的领域更严重。
作者写道，在传统上与女性相关的研究占主导的领域工作，女性博士在就业市场上更可能遭遇三重劣势。“她们因身为女性而受惩罚，因没有在男性化领域攻读博士学位而受惩罚，也因没有采用男性式的研究实践而受惩罚。”
“我们发现的这种令人担忧的不平等，女性教职人员可能早已察觉，却仍在持续经历，”该研究合著者、斯坦福大学教授丹尼尔·麦克法兰（Daniel McFarland）说。
金兰宇及其同事证实，如今女性从事女性议题研究会得到一定程度的回报。但他们总结说，隐性偏见正在抵消这些进步。
“作为一个社会，我们在过去一个世纪里推动高等教育和科学机构转型，取得了显著进步，”该研究合著者、斯坦福大学博士生丹尼尔·斯科特·史密斯（Daniel Scott Smith）说。“但针对某些研究类型的隐性偏见，正在削弱我们当前让学术界更加多元化的努力——这不仅关系到谁能成为大学教授，也关系到什么会被视为有价值的学术知识。”
来源：斯坦福大学
