IRIS BOHNET在歧视和设计上


虹膜Bohnet.
现在听虹膜Bohnet!

虽然故意偏见一般是一个丑陋的事情’如果将存在这样的话,也相对容易发现。但是,个人或机构避风港的偏见呢?’首先歧视—但净效应是偏见?“[m]歧视的歧视实际上是基于无意识或隐含的偏见,”哈佛肯尼迪学校的行为经济学家伊利斯波特表示,“在喜欢你和我喜欢你的好人,根据他们的外表对待人们。”有时,即使是精华的隐含偏差的主题也歧视自己。

瑞士出生的蟒蛇,新书的作者 什么工作:设计性别平等,研究组织中的隐性偏见。在这种社会科学叮咬播客中,Bohnet告诉面试官大卫埃德蒙德,即使是善意的努力解决这一偏见甚至迄今为止已经发现很少有证据表明许多结构补救措施实际上对潜在的偏见有影响了。这一点’意味着她反对他们;相反,BOHNET工作的设计有效和经过验证的解决方案“de-bias” the real world.

Bohnet收到了她的博士学位。在经济学中 苏黎世大学 1997年并于1998年加入了哈佛肯尼迪学校,她曾担任肯尼迪学校的学术院长,是其妇女和公共政策方案的主任,是行为见解集团的共同主席(有Max Bazerman),哈佛决策科学实验室的副主任,以及执行方案“全球领导和21世纪的公共政策”为世界经济论坛的年轻全球领导人的教师主席。她在瑞士信贷集团和卢塞恩大学董事会担任董事会。

直接下载此播客, 右点击这里 and “Save Link As.”

点击这里 下载此对话的PDF成绩单。完整文本也显示在下面。

社会科学叮咬是与圣人出版社结合的。对于过去的社会科学的完整列表叮咬播客, 点击这里.

***

在过去的十年中,这是一个巨大的研究,进入了被称为“隐含偏见” - 无意识的偏见,以便人们抓住别人的别人,例如他们的种族或性别。虹膜Bohnet位于哈佛大学,是作者 什么工作:设计性别平等 - 一本关于改变组织的建立方式的书可以减少偏见。

David Edmonds: 我们谈论今天的主题是歧视和设计。我们特别谈论对妇女的歧视。有很多叫做的证据‘implicit bias.’告诉我们一些关于这个问题。

虹膜Bohnet: Indeed, David, much of discrimination is in fact based on unconscious or implicit bias 在喜欢你和我喜欢你的好人,根据他们的外表对待人们。 So, for example, if we see male nurses we are surprised at first because we don’t naturally associate nursing with men. The same is true for female engineers. We don’t naturally associate engineering with women.

David Edmonds: 这不是故意的;我不打算偏向妇女。这只是我的心灵和别人的心灵中深深的东西。

虹膜Bohnet: 这完全正确。事实上,当我第一次看到我的儿子到一个日托时,我看到的第一个人是一个男人,我完全是这种反应。我以为我需要跑和尖叫。其次,我认为没有人免于偏见,并且在很多方面也非常解放,因为我们特别是任何人都指向手指。

David Edmonds: 这不仅仅是对妇女偏见的男性。妇女也偏向妇女?

虹膜Bohnet: 这完全正确。事实上,我们都反对反陈规定型人物偏见。所以我们偏向于男性护士,或者我们偏向女工程师。

David Edmonds: 这是一些着名的研究。你能给我一些例子吗?

虹膜Bohnet: 绝对地。所以对我来说,亲自一个非常重要的研究,实际上有动力我看起来更多的话题是 在[1997]由Claudia Goldin和Cecilia Rouse进行了一项研究。他们看着美国在70年代完成了哪些主要管弦乐队。它实际上是一个非常令人个种的设计干预 - 你之前提到了设计 - 因为他们引入了屏幕并要求音乐家在屏幕后面的试镜。事实证明,管弦乐队董事令人惊讶。这对女性将向未来轮次推进的可能性产生了很大的影响。事实上,它增加了女性提高50个百分点的可能性。现在,在美国的主要管弦乐队上,我们有近40%的女演员,而在70年代我们的50年代达到5%至10%。

David Edmonds: 所以在此之前,音乐家的法官正在看着音乐家认为他们正在评判音乐,但事实上他们受到了谁在他们面前的影响?

虹膜Bohnet: 这完全正确。事实上,我们现在有文件支持你刚刚描述的内容 –管弦乐队导演对屏幕的引入并不特别兴奋,因为他们认为他们不需要屏幕。他们认为他们所有人都只有关心音乐,而不是有人看起来是否愿意。现在,屏幕非常强大的示威性,这实际上并非如此。

David Edmonds: 这就是一个例子。有其他人吗?

虹膜Bohnet: 绝对地。来自哈佛大学的我自己生活中的一个重要例子是我们教导学生的案例。这是一个关于海蒂罗伊恩的案例。 Heidi Roizen是来自硅谷的风险资本家。她是一个真正的人和我的同事,Kathleen McGinn,在商学院 写了一个案例 关于她如何在硅谷建立网络,她如何建造她的企业。

然后有些同事有创意改变海蒂的名字到霍华德的创意。然后我们做了什么是我们给了一半的学生,主角被称为霍华德和另一半被称为海蒂的主角。案例否则完全相同。他们做了同样的事情,学生评估了案件和主角。

伤心又伤心 - 这不是特别好消息 - 男性和女学生都往往从一个女性主角的案例中倾向于学习,当然他们喜欢霍华德的哈迪。

David Edmonds: 所以成功的女企业家都喜欢或尊重,但不是两者?

虹膜Bohnet: 这实际上是发现。我们有时将此称为女性的能力 - 可爱困境,也是Heidi所经历的。因此,Heidi和Howard实际上是在能力方面的同样评价。所以每个人都认为他们做得很好,但人们不太愿意雇用Heidi或与海蒂或喜欢海蒂一起工作 - 这完全正确。

David Edmonds: 这是一个明显的补救措施。大多数大公司现在拥​​有他们称之为多样性培训,他们教人们在招聘和促销过程中可能存在这些类型的偏见。

虹膜Bohnet: 这是对我来说的正确和努力,因为我鼓掌,当然,公司想要解决偏见的努力。但可悲的是迄今为止,这些多样性培训计划实际上有很少的证据表明这些多样性培训计划。现在,当我这么说的时候,我希望非常小心地对我们所知道的,我们不知道的事情。这样这里最重要的信息是我们实际上根本不太了解。所以也许那里有一些魔法计划刚刚尚未进行评估。

但我认为,在美国,这里的最大信息是在美国,估计是我们现在每年花费大约80亿美元的多样性培训计划,而不是知道他们是否工作。这些公司应该真正评估程序的影响是什么。

David Edmonds: That is astonishing —每年80亿美元。没有良好的证据表明它有效!

虹膜Bohnet: 我很惊讶。有一些证据表明我们所做的任何事情都可能不起作用。我的一位来自哈佛社会学部的矿, 弗兰克炸素宾,做了一个相对简单的运动。他刚刚看公司是否有多样性培训计划与公司的劳动力多样化之间的相关性。因此,这并没有告诉我们任何关于原因和效果的事情,而是只要看着“如果你这样做,那么以某种方式与你的劳动力的多样性有关吗?”并且相关性是超级微小的。因此,即使不是实验,我们通常希望拥有的随机对照试验肯定不会让我们足够的信心,即这些培训做得很好。

David Edmonds: 如果多样性培训不是答案,那是什么?

虹膜Bohnet: 公司一直在努力做出缺乏设计变更,包括领导培训计划,指导,赞助网络。再次,我们没有大量的证据,但证据有点令人鼓舞,其中一些干预措施证明更成功。但我实际上建议公司留下了改变我们的心态后面的想法,并更多地关注改变我们的机构。

David Edmonds: 给我一个例子。他们能做什么?

虹膜Bohnet: 当你从绩效评估开始时;大多数公司仍然相信绩效评估,绩效评估实际上是相对较低的水果。我们在与公司合作的内容是两个重要的见解。

第一个是,许多公司根据过去的性能和未来潜力来评估员工。我们通常会看到,当考虑潜力时,性别偏见令人沮丧。这实际上非常直观为什么会发生这种情况。思考我们对海蒂和霍华德的讨论。我们自然不会与女性联系职业和领导,因此不要看到女性有可能爬上职业阶梯。这是公司可以思考的第一个相对简单的设计变革。尽可能至少衡量它们是否具有性别偏见问题的潜力,或者如果他们使用潜力。这实际上是我最乐观的区域。

大数据将完全改变人力资源管理。例如,大数据有助于谷歌了解为什么女性更有可能离开。谷歌发现,他们在女性中有更高的磨损率,然后回去看看谁是那些实际离开的女性,他们发现这些是年轻的母亲。他们立即 增加产妇和父亲叶.

和相同类型的数据可用于更好地了解与性能相比,我们如何在人的潜力。因此,我们与公司的一项非常轻松的练习是跨员工的表现评级,然后比较他们员工的这些性能评级与他们给出这些员工的潜在评级相关。这就是我们通常会找到性别偏见的地方。我们倾向于在性能方面相同地重视男女,但随后给男人比女性更高的潜在额定值。

David Edmonds: 当经理要求男女如何让男人和女人对自己的方式,我想象男人更自信,这可能会发现它进入另一种形式的偏见,因为妇女正在降级自己的潜力

虹膜Bohnet: 可悲的是,这实际上是我们发现的,因为女性往往比男性更少自信,他们确实给他们比男性更低的评级。事实上,行为科学的一个非常简单的洞察力一直是,每当我们面对数字时,任何数字也在谈判中 - 有人在我们身上抛出一个人的要求 - 例如,我们对我们不受这些锚点的影响很难。因此,如果员工向其主管提交自我评估,这些数字就是管理者的锚。管理人员无法帮助受这些自我评估的影响。

David Edmonds: 我们在开始对音乐家的盲目测试开始谈话。候选人候选人的盲目测试呢?你不能有标准化的测试吗?可能有没有任何偏见吗?

虹膜Bohnet: 绝对地。真正的方式是远离非结构化访谈,我们只是与人交谈,因为再次,这是一个偏见容易蠕动的地方,当他们可能受到相同的爱好或相同的影响时足球俱乐部并搬到工作样本测试,更像是我的工作实际上要看的样子。但是对于你的问题是我们是否可以将自己盲目的问题,而不仅仅是在管弦乐队中,我也会完全支持这个想法,实际上有新技术,使我们能够使用该软件很容易使用该软件盲目地对申请人的人口统计特征。

David Edmonds: 那些标准化的测试,没有办法隐含偏差才能蠕动?

虹膜Bohnet: 好吧,你会问我关于标准化测试的好奇,因为实际上是我的前学生,凯蒂巴尔迪加科夫曼,做了一些 标准化测试中潜在性别偏见的真正重要研究。美国最重要的标准化测试是SAT。 SAT在确定哪位大学生可以去的角色中起着非常重要的作用。

大约一半的SAT包括多项选择题。问题的格式实际上对多项选择问题来说实际上并不罕见。你得到了一个正确答案的观点,但你也得到了错误的答案。当然,这意味着如果你是风险,你可能不愿意猜到,如果你有冒险的话,你可能愿意更有可能猜测或过于猜测。

现在我们知道女性一般来说,女性的研究往往比男性更大的风险,而且比男性更少自信。因此,乞求问题:女性比男人更少愿意猜测吗?这正是她在她的研究中发现的是,女性更有可能跳过问题,而不是猜测和控制他们所知道的能力,这在饱满的情况下非常成本。

David Edmonds: 我可以对此一个明显的解决方案,要么要迫使人们猜测,或者从猜测中删除任何罚款。

虹膜Bohnet: 如此有趣地,足够的大学董事会,负责美国坐在美国,并与你的第二份选项一起去了。他们决定完全消失罚款。这应该在风险 - 接受者和避免风险之间或男女之间等水平。

David Edmonds: 我想问你关于一个最后一个问题,人们经常在这个领域筹集,这是榜样。职位模型真的有所作为吗?

虹膜Bohnet: 事实上,榜样的一些最好的证据来自印度。印度于1993年修订了其宪法,提供了三分之一的村长必须是女性的。实验的美丽是一个实验,第三个是随机从帽子中挑选出来的。因此,研究人员可以遵循这个实验,看看与女性市长的村庄相比,村庄如何与雄性市长的村庄相比。

因此,自介绍配额以来,研究人员被揭示的是,如果一个村庄在那个时候接触到至少两个女性头,刻板印象开始变化,人们开始与妇女联系政治领导。事实上,故事的快乐结局是 最近的纸张 科学 这表明父母的核心职业愿望之一是让他们的女儿成为政治家。

David Edmonds: 我在哈佛大学的办公室里,我会注意到我周围的是女性的照片,其实我没有看到一个男人的照片。是故意的吗?

虹膜Bohnet: 这实际上是一个非常新的发展。大约11年前,我的一位继承人在肯尼迪学校的一位教授Jane Mansbridge,意识到我们墙壁中的所有肖像,恰好是零女人。 所以我们一直在有点使命 在过去的12年里,为我们的墙上添加了更多的肖像,为我们的50%的女学生扮演他们看起来像他们的榜样。

David Edmonds: 我有点持怀疑态度,这完全有任何不同。有没有证据表明它是什么?

虹膜Bohnet: 事实上,有趣的心理证据表明,在计算机科学课堂上,当与与男性相关的图像相比,女性在被图像包围时更好地表现更好。还有证据表明,如果您只是展示女孩和男孩,男性或女性角色模型,例如希拉里克林顿或Maggie atcher或Maggie atcher或Mill Clinton或Tony Blair,这将影响他们通过外部观察员评估的那种演讲。如果女孩看到一个女性角色模型,他们将提供更自信和加权更强大的演讲。

David Edmonds: 这是迷人的东西。关于你的工作的对你有什么感兴趣的是,你实际上提出了关于雇主的具体想法可以改变工作场所并有所作为。这是一种非常规范的方法。

虹膜Bohnet: 事实上,我认为我们必须做两者。我们必须描述,我们必须规定。任何良好的处方都以描述开始。我的意思是首先,我们必须在修复它之前了解问题。这就是为什么我对大数据和机器学习以及其他帮助我们理解真正发生的方法的其他方法感到非常兴奋。但我想邀请更多我的社会科学同事加入我们的思考:那么我们如何解决我们事先诊断的问题?作为一种行为科学家,我强烈认为,我们现在确实有洞察力和工具来帮助我们促进行为变革,而不是通过改变心态而改变组织。


0 0 投票
文章评级

社会科学叮咬

欢迎来到社会科学叮咬播客的博客:一系列与领先的社会科学家采访。每一集探讨我们社会世界的一个方面。您可以在此处访问每个访谈的所有音频和成绩单。不要忘记在Twitter @SocialScibites上关注我们。

订阅
通知
guest

本网站使用AkisMet减少垃圾邮件。 了解如何处理评论数据.

0 注释
Inline Feedbacks
查看所有评论
0
会喜欢你的想法,请评论。x