女性是“勤奋的”，而男性是“聪明的”：经济学就业市场

使用CN2/CN2GIA顶级线路，支持Shadowsocks/V2ray科学上网，支持支付宝付款，每月仅需 5 美元

## 加入品葱精选 Telegram Channel ##

在微信视频号、抖音搜索“世界经济论坛”，一起看世界

女性求职者明显更有可能与“努力”一词联系在一起，而不是与能力一词联系在一起。(图片来源：UNSPLASH/Christina@wocintechchat.com)

作者：Markus Eberhardt

经济学副教授，诺丁汉大学

Giovanni Facchini，经济学教授，诺丁汉大学

Valeria Rueda，助理教授，诺丁汉大学

• 学术界由于其系统性的性别失衡而备受关注；

• 为了解性别化模式，研究人员使用机器学习方法研究了为经济学领域初级职位求职者所写的推荐信；

• 他们发现，由于无意识的偏见，女性更有可能被称赞为勤奋，而不是有能力。

学术界由于性别失衡而受到倍加密切的关注（Valian 1999），在经济学界尤其如此（Lundberg 2020）。最近的实证研究表明，女性的职业路径是“断裂”的，在获得博士学位和成为助理教授之间，或在成为助理教授和副教授之间等关键时刻，女性从其所在行业落选（Lundberg & Stearns 2019）。在最近的一篇论文中（Eberhardt, Facchini & Rueda 2022），我们研究了经济学家学术生涯的第一步——初级“就业市场”。这是过去十年中职业路径中的“断裂”增长最多的阶段（Lundberg & Stearns 2019），而且到目前为止还没有在文献中得到系统性关注（Lundberg 2020）。

经济学领域的学术就业市场呈现独有的结构化和集中化。每年秋天，大学都会发布招聘广告，有可能申请的求职者会准备一个“就业市场打包资料”。打包资料包括一篇或多篇学术论文，一份简历，以及一系列由熟悉求职者的学者（以下简称“推荐人”）撰写的推荐信。在这个市场上，求职者、推荐人和招聘委员会通过集中化的平台进行互动。求职者将同一份打包资料应用于大多数职位，使得多申一份职位的边际成本非常低。推荐信通常不为任何特定机构定制（Coles et al 2010）。因此，任何有许多求职者申请的机构都有可能收到可以说是市场上典型推荐信的样本。

独特的推荐信数据集

我们使用了一个独特的数据集，包括英国一所研究密集型大学在2017年至2020年期间收到的所有初级职位的申请。我们应用自然语言处理工具，分析了为2800名求职者所写的9000多封推荐信的文本。我们发现，一封标准的推荐信涵盖对求职者求职论文的冗长讨论，此外也会提及其额外研究、教学和其他技能。推荐信的最后一部分对求职者的学术能力和就业前景进行总结。我们的研究主要关注这最后一部分。

在将这段文本用“词频-逆文档频度”技术转化后，我们借用了认知心理学和语言学的方法，对女性求职者和男性求职者的推荐信是否系统性地强调了其不同特征进行了定量测定。

方法

我们使用两种互补的方法分析了这些推荐信。我们先用一种无监督方法，即LASSO技术，来选择最能预测求职者性别的词汇。在这些词汇中，我们不仅观察到与研究兴趣有关的术语，而且还观察到与个性和特征有关的术语（“坚定”、“勤奋”、“努力工作”等）。

然后，我们把推荐信中普遍强调的词汇建为词典，并应用有监督方法。这些词典由关于该主题的现有研究构建而成。特别是，Schmader等人（2007）提出了普遍出现在学术推荐信中的五种语言类别（“情感”）。它们分别是能力特征、“努力”特征、研究术语、杰出类的形容词、以及教学和品德术语。我们把求职者的就业前景另设为一个类别。

能力特征指的是学生的智力能力，包括诸如“天赋”、“聪明”、“创造性”等词汇。用Trix和Psenka（2003）的话说，“努力”特征与“埋头苦干”有关，包括诸如“勤奋”、“认真”、“勤奋”等术语。研究术语描述了求职者的研究类型（如“应用经济学”、“博弈论”、“公共经济学”，等等）。杰出形容词通常描述求职者的出色程度，如“优秀”、“杰出”或“稀有”。教学和品德类别指的是求职者的教学技能和与同事的相处情况。该类别的词汇包括“好老师”、“优秀同事”、“友好”等等。最后一个另设的类别，即就业前景，则是那些广泛用于描述求职者在高度竞争和全球化的年轻经济学家劳动力市场上的预期位置的词汇。这一组的词汇包括 “强烈推荐”、“顶级部门”、“终身职位”等等。

为了验证我们的词典，我们对英国研究密集型大学的学术型经济学家进行了一次独创的全面调查。图1展示了这项研究的结果，表明我们的分类与该行业的分类之间存在广泛的共识。

图1-写信人的分类和“人群的智慧”之间的对应关系（图片来源：Vox EU）

结果

我们估算了推荐信中每种情感的重要性与求职者性别之间的相关性，同时对推荐信的总体长度和求职者与推荐人的一组特征进行了控制。基准结果见图2，其中我们绘制了运行672个不同模型得出的女性虚拟变量的估计系数。符号颜色越深，说明产生统计学上显著的兴趣参数估计值的模型数量越多。完整的符号表示所有可能的聚类在1%的水平上存在显著性。空心符号表示未能在任何水平上产生统计显著性。

图2-基线回归结果（图片来源：Vox EU）

该图传达的主要信息是，无论大学排名如何，在所有模型中，女性求职者明显更有可能与“努力”术语相关（从6%到10%的标准差）。这些结果证实了我们对无监督的LASSO分析的解释。我们还观察到，在女性求职者的推荐信中，与研究有关的词汇较少。这两个结果都与其他学科的研究结果相呼应（Trix & Psenka 2003，Valian 2005）。这些结果在不同的模型中都非常稳定，因此有理由认为其他未观测到的混杂影响因素不太可能改变结果。

不同大学或写信人对女性求职者的看重程度，很有可能解释推荐信中词汇使用的差异。例如，Boustan和Langan（2019）证明经济学系长久以来的一个特征是以女性为代表，这对促进女性的职业发展很重要。为了探究不同部门对女性的看重程度，我们运行了包括求职者大学固定效应的模型。图3展示了结果，并表明，在同一批学生中，从同一大学毕业的学生（例如，他们以可以说是相同的入学标准被录取至博士项目），女性仍然明显更有可能被以“努力”词汇描述。

不同写信人对女性的看重程度也可以解释我们的发现。为了观照这个关切，我们运行了一组包括写信人固定效应的模型。请注意，这里只包括写过两封以上推荐信，并且其中至少有一封是给女性求职者的推荐人。结果也反映在图3中，与上述模式大致一致。

图3 - 带有固定效应的回归结果（图片来源：Vox EU）

在同一张图中，我们进一步分别分析了与女性求职者打交道经验较少（较多）的推荐人样本，即其推荐的女性少于（多于）50%。“经验较少”的群体似乎推动了“努力”词汇的运用。

“打交道经验”很重要的主要原因可能有两个。一方面，推荐人对女性的看法可能不同，女性求职者用他们的多元评价来避免刻板印象。另一方面，推荐人的最初看法可能并无差异，但他们与女性求职者的接触使其更新了先前的刻板印象。需要进一步的研究来区分这两种机制。

固定效应结果还发现了一个关于“能力”的新模式。尽管不显著，但女性求职者明显更少被用“能力”词汇描述，且在“经验较少”群体中，这一模式更明显。在进一步的分析中，我们发现这一模式对于该群体中的男性写信人来说是显著的。

经验教训

作为学者，我们都知道要花多少时间为求职者撰写和润色推荐信。这是一个我们尽力宣传我们学生的时机。因此，一般来说，我们不太可能主观上想要通过给予较少的理想特质描述以损害女性学生的利益。从积极的方面看，最近的研究表明，我们可以通过向有关行为者提供无意识偏见存在的证据来解决这种偏见（Boring & Philippe 2021）。通过描述性别化的语言模式，我们希望这项研究能成为提高我们对偏见认识的第一步，从而减少就业市场上的刻板印象。

以上内容仅代表作者个人观点。本文翻译自世界经济论坛Agenda博客，中文版本仅供参考。欢迎分享至朋友圈，申请转载请在本文下方留言。

翻译：张一凡 | 编辑：王思雨

世界经济论坛是一个独立且中立的平台，旨在集合各方观点讨论全球、区域及行业性重要话题。

欢迎在微博、微信视频号、抖音、喜马拉雅FM关注

“世界经济论坛”

预览时标签不可点

最简单好用的 VPS,没有之一，注册立得 100 美金