“大数据”一词或许会让人联想到科技公司持有的大量私人信息。但事实上，许多大数据是公开可见的，只是我们可能没有把它们视为“数据”。
如果您最近去过电影院，一定见过一个积分数据集，其中列出了演职人员及其角色。单部影片的片头字幕或许用处不大，但所有影片的片头字幕汇集在一起，就能形成一个庞大的数据集。在 Nesta 和 PEC（一个新的创意产业政策与证据中心）的合作下，我们一直在探索这类非机密大数据集如何为创意产业的性别代表性提供新的视角。
传统上，性别代表性是通过对从业人员的调查来衡量的。但大多数调查开展的时间并不长，（在启动一项新调查之后）往往需要数年时间，我们才能判断性别构成如何变化。此外，调查通常只统计女性和男性的人数，因此无法揭示每个群体在创作过程中的突出程度，也无法揭示他们在特定艺术形式中是如何被呈现的。
深入挖掘
我们近期研究了媒体对创意产业中女性的报道，分析了《卫报》超过五十万篇文章，时间跨度为2000年至2018年，取自该报与创意产业相关的版块（如书籍、电影、时尚和游戏）。
在过去五年中，提及女性的内容大幅增加。2000年至2013年间，文章中带有性别指向的代词（例如“他”和“她”）中，指代女性的不到三分之一。但这一情况从2014年开始改变，到2018年，指代女性的性别代词比例已达到40%。相比之下，英国创意产业的从业人员性别构成近年来保持平稳，约为37%。
我们还研究了紧随“他”和“她”这两个代词之后的词语，以深入了解媒体对创意工作者的刻画。研究发现，与男性相比，媒体更关注女性所发出的特定声音，如“笑声”“哭声”“咯咯笑”和“咕哝声”，以及非语言反应，如“微笑”“咧嘴笑”和“点头”。这些词语的使用频率从来不高，但一旦使用，与其他词语相比，它们更可能指代女性而非男性。
相反，与过往创意成就和领导活动相关的词语更频繁地指向男性。例如，“他执导”比“她执导”出现的可能性高得多，同样，“他表演”“他设计”“他管理”和“他创立”也是如此。这一发现与创意产业长期存在的性别失衡状况相吻合。
在另一项研究中，我们使用了来自英国电影协会（BFI）的数据集，该数据集包含了英国所有已在影院上映的长片的演职人员信息。
在英国电影协会根据人们的名字推断其性别后，我们发现，自二战结束以来，银幕上的性别构成并未发生实质性变化；到2017年，女性仍仅占演员的约30%和幕后工作人员的34%。
该数据集还显示，银幕角色的职业存在基于性别的差异。例如，自2005年以来，银幕上身份不具名的“医生”角色中，仅有16%由女性扮演，而这与女性在英国医生中占46%的事实形成反差。英国医生中女性占46%。
创意领域的公平性
我们绝非唯一展示非机密大数据来源如何为创意产业性别指标提供参考价值的研究者。谷歌的研究人员与吉娜·戴维斯研究所合作，运用面部和语音识别技术发现：在美国票房最高的100部真人电影中，2014年至2016年间的每一年，女性仅占据了36%的银幕时间和35%的台词时间。
虽然大数据研究能够丰富多样性指标，但存在两个重要的潜在偏差来源。首先，我们几乎总是通过面孔、名字或单一代词来推断性别，因此可能会误判一个人的性别。其次，这些推断方法通常只能识别“男性”和“女性”，从而排除或错误归类那些认同非二元性别的人。出于这些原因，大数据方法无法取代调查，因为调查允许人们自我认定，也允许人们完全选择不参与。
即便考虑到这些潜在偏差，仍有许多大数据来源可能为性别失衡问题提供新的视角，前提是这些数据能够向研究人员开放。例如，获取电影和电视节目的剧照与字幕，可用于评估多元化计划；而获取更多报纸的内容，则将有助于对媒体如何报道创意工作者展开更广泛的研究。
为了发挥这些新方法的潜力，我们需要鼓励并支持创意机构安全地共享其非机密数据。这有望使研究人员在衡量英国创意产业的性别平等方面更具创新性。
