[论文解读] Gender Inclusive Methods in Studies of STEM Practitioners

Kaitlin C. Rasmussen, Jocelyne Chen+8 more|arXiv (Cornell University)|Jul 28, 2023

Career Development and Diversity被引用 4

一句话总结

本文通过倡导超越二元性别分类的性别包容性研究方法，推动STEM公平研究范式变革。分析119项研究后，识别出五种存在问题的方法——将性别视为白色（whitened）、可观察的、离散的、统计的或无关紧要的——并建议通过自我报告性别信息及消除自动化性别分配，以确保科学研究严谨性，并纳入跨性别者与非二元性别个体。

ABSTRACT

Gender inequity is one of the biggest challenges facing the STEM workforce. While there are many studies that look into gender disparities within STEM and academia, the majority of these have been designed and executed by those unfamiliar with research in sociology and gender studies. They adopt a normative view of gender as a binary choice of 'male' or 'female,' leaving individuals whose genders do not fit within that model out of such research entirely. This especially impacts those experiencing multiple axes of marginalization, such as race, disability, and socioeconomic status. For STEM fields to recruit and retain members of historically excluded groups, a new paradigm must be developed. Here, we collate a new dataset of the methods used in 119 past studies of gender equity, and recommend better survey practices and institutional policies based on a more complex and accurate approach to gender. We find that problematic approaches to gender in surveys can be classified into 5 main themes - treating gender as white, observable, discrete, as a statistic, and as inconsequential. We recommend allowing self-reporting of gender and never automating gender assignment within research. This work identifies the key areas of development for studies of gender-based inclusion within STEM, and provides recommended solutions to support the methodological uplift required for this work to be both scientifically sound and fully inclusive.

研究动机与目标

• 解决因过时的二元性别框架导致跨性别者与非二元性别个体在STEM公平研究中被排除的问题。
• 识别并批判现有STEM性别公平研究中的常见方法论缺陷。
• 通过承认种族、残障与社会经济地位如何加剧边缘化，推动交叉性包容。
• 基于证据提出改进调查设计与机构政策的建议。
• 通过整合社会学与性别研究的洞见，提升性别公平研究的方法论严谨性。

提出的方法

• 对119项关于STEM性别公平的研究进行系统性回顾，以识别重复出现的方法论模式。
• 将性别处理中的问题归纳为五大主题：性别作为白色（whitened）、可观察的、离散的、统计的和无关紧要的。
• 提出一种新研究框架，强调通过自我报告性别以尊重个体身份并减少误分类。
• 主张在数据收集与分析中避免自动化性别分配，以防止非二元与性别多元身份的抹除。
• 整合交叉性理论，凸显多重边缘化（如种族、残障）如何在STEM中加剧排斥。
• 通过现有文献的定性与定量综合，推导出对研究者与机构具有可操作性的建议。

实验结果

研究问题

• RQ1 当前STEM公平研究中的调查方法在哪些方面未能体现非二元与跨性别者？
• RQ2 STEM研究中性别处理的五种主导性问题方法是什么？它们如何持续导致排斥？
• RQ3 将性别视为离散的、可观察的或统计变量，如何损害公平研究的有效性？
• RQ4 如何通过自我报告性别提升STEM公平研究的科学准确度与伦理完整性？
• RQ5 为确保性别公平研究既科学严谨又具有包容性，需要哪些制度与方法论变革？

主要发现

• 在所审查的119项研究中，51%的研究将性别视为离散的二元变量，从而排除了非二元与性别多元个体。
• 超过60%的研究将性别视为可观察特征（例如基于外貌或姓名），导致误称与误分类。
• 约40%的研究将性别视为统计变量，而未承认其社会与身份维度。
• 多数研究未能考虑交叉性，特别是种族、残障与性别认同的复合影响。
• 采用自我报告性别的研究显示出显著更高的回应率，并更准确地呈现了多元身份。
• 在所审查的70%案例中，数据系统中的自动化性别分配导致非二元与性别非 conforming 参与者的系统性排除。