數(shù)據(jù)分析1382份簡歷：就業(yè)性別歧視真的存在嗎？

在求職時，性別真的有影響嗎？不同行業(yè)、不同職業(yè)類別的人對此或許有不同看法。這樣的看法是如何產(chǎn)生的？有沒有一種科學(xué)的方法來衡量呢？美國舊金山的一位數(shù)據(jù)科學(xué)家Prasanna Parasurama通過對1382份簡歷的分析得出了結(jié)論：性別不平等往往和求職者的個人客觀條件無關(guān)，而更多來自公司主管不可控的主觀因素。

用大數(shù)據(jù)的方法來衡量職場的性別不平等

在科技業(yè)，求職時的性別不平等一直是個重要話題。但針對該議題，在實際操作層面卻鮮有基于大數(shù)據(jù)的系統(tǒng)性研究。

對于那些擁有大量數(shù)據(jù)的企業(yè)來說，缺乏一個嚴(yán)格而科學(xué)的系統(tǒng)很容易導(dǎo)致人力資源部門僅僅根據(jù)道聽途說來推測性別不平等問題產(chǎn)生的原因，而忽略了真正的根源。

為了這個目的，本文提出了一種可重復(fù)地用來評價求職性別不平等的系統(tǒng)研究方法，并且附帶使用這種方法進行評價的案例。

樣本和研究方法：基于1382份簡歷的數(shù)據(jù)分析

這次研究中用到的是一個數(shù)據(jù)工程師職位的1382名求職者的簡歷數(shù)據(jù)，其中1029人為男性，占74.4%，353為女性，占25.5%。

需要指出的是，因為不知道這些求職者的性別（注：在美國等一些國家，為了避免各種偏見，簡歷一般不附帶求職者個人照片和性別信息等），因此上述性別人數(shù)和比例是基于求職者的姓名和Atipica公司（注：即本文作者所在的公司）的性別預(yù)測模型得到的，總的準(zhǔn)確率可以達(dá)到96%，但會產(chǎn)生4%的誤差。在后續(xù)的分析中，這一誤差也可能會有所影響。

而求職者的職業(yè)技能也由Atipica公司的技能映射模型獲得。

首先，我們需要明確的是，如何通過指標(biāo)來衡量性別不平等？

通過比較特定職位的男女求職者的被拒比例，我們可以確定是否存在潛在的性別不平等，因為在其他條件相同的情況下，理論上被拒比例應(yīng)該是接近的。

（圖片說明：被拒比例=被拒的申請者人數(shù)/總申請人數(shù)）

在這項研究中，我們通過比較在審查求職申請階段的被拒率來衡量不平等。選取這個階段的原因主要有以下兩個：

+  在審查求職申請的階段，雇主會有多重方式來評價一個求職者，例如，電話溝通技巧等，而不是單一通過簡歷來評價。為了減少不可控因素，我們把數(shù)據(jù)的收集固定在這個階段。

+  審查求職申請通常對于之后的進一步考察影響最大。我們發(fā)現(xiàn)約90%的求職者在這個階段會被拒。

那么在審查求職申請階段產(chǎn)生的被拒率的差異都可以被歸結(jié)為：

+  客觀因素：工作經(jīng)驗、教育背景和技能體系。

+  主觀因素：被認(rèn)為教育背景不符合、被認(rèn)為工作經(jīng)驗不符合、故意或者非故意的偏見。

由于主觀因素的本質(zhì)，它本身是不可控的，所以我們把研究對象限定在客觀因素。

我們基于以下假設(shè)對統(tǒng)計數(shù)據(jù)的顯著性做了測試：

在測量顯著性過程中，我們必須要考慮到兩類誤差。一是樣本誤差，二是性別預(yù)測的誤差（4%）?？紤]到性別預(yù)測誤差，我們放棄了T檢驗（注：即t-test，是用t分布理論來推論差異發(fā)生的概率，從而比較兩個平均數(shù)的差異是否顯著）。這類傳統(tǒng)參數(shù)測試，而改用了置換測試并且配合蒙特卡洛方法，在每次重復(fù)測試中都在男性和女性中做了4%的樣本交換，并且驗證了重復(fù)性假設(shè)。

數(shù)據(jù)分析：男性和女性技能相差不大，但女性被拒率更高

被拒率的差異：

（圖片說明：男女求職者的被拒比例）

男性和女性的被拒率分別為83.0%和88.6%，女性比男性高出5.6個百分點，這個偏差在統(tǒng)計上表現(xiàn)出顯著性（p=0.03）。緊接著作者評估了各項客觀因素在偏差顯著性上起的作用。

技能總數(shù)量上的差異：

（圖片說明：男女求職者職業(yè)技能數(shù)量的分布）

女性求職者簡歷上平均羅列96項技能，男性求職者簡歷上平均羅列93項技能。根據(jù)上圖所顯示出來的情況，技能數(shù)量的平均數(shù)和中位數(shù)相差不大。

可以發(fā)現(xiàn)，盡管在技能平均數(shù)量上存在差異，但這種差異一方面小到不存在實際影響，另一方面在統(tǒng)計顯著性上也不顯著（p=0.38）。

技能體系上的差異：

（圖片說明：職業(yè)相關(guān)技能的分布）

為了查明技能體系上的差異，我們根據(jù)技能映射模型找出了34項核心技能，并把我們從簡歷里挖掘出來的技能進行比較。上圖顯示了一些技能在簡歷中呈現(xiàn)的比例，例如，不論男女，約80%的求職者都在簡歷中提到Java。

通過定性分析，我們可以看出技能分布在男女求職者上區(qū)別不大。

定量分析男女求職者在技能集合上的相似性，我們可以看出分布的標(biāo)準(zhǔn)差。

我們用 A?和B?分別表示掌握技能i的男女求職者比例，例如，A_java = 0.8并且B_java = 0.8。則n種技能的總平均偏差比例為：

這就意味著，平均來看，對于每一項技能，男性掌握該技能的比例都要高于女性掌握該技能的比例2.2個百分點，偏差并不大。

偏差的百分?jǐn)?shù)看上去直觀，但缺點是我們并不知道相對偏差。我們進一步利用平均數(shù)標(biāo)準(zhǔn)化偏差計算相對偏差：

在標(biāo)準(zhǔn)化之后，技能集合上男女求職者的偏差為5.3% —— 換句話說技能集合上94.7%都是一樣的。

5.3%的偏差雖然小，但也可能影響巨大，尤其是如果這種差異體現(xiàn)在核心技能上時。

為了搞清楚這個問題，我們運用置換測試/蒙特卡洛法計算了男女求職者在特定技能掌握比例上的偏差。比如，如果50%男性和53%女性都會“hadoop”，我們就要計算這3%的差異是不是顯著。

結(jié)果發(fā)現(xiàn)，在剩余的33項技能中，只有SQL和統(tǒng)計兩項技能顯示出性別差異性，而且這兩項都是女性的掌握程度高于男性。

大體上，我們可以說在技能的大多數(shù)方面男女之間不存在差異，而SQL和統(tǒng)計上又是女性有顯著的優(yōu)勢。

工作經(jīng)驗上的差異：

下表列出了男女求職者工作年限的平均數(shù)和中位數(shù)，值得注意的是職位要求并不包含工作年限。

我們發(fā)現(xiàn)工作年限上只有半年的差異，盡管在差異上表現(xiàn)出顯著性，但在實際錄用的層面上并沒有什么實際意義，很少有公司會把半年經(jīng)驗的缺失作為拒絕的主要因素。

教育背景上的差異：

下表列出了求職者最高學(xué)歷的分布情況（百分比），職位的要求是理工科本科或者碩士畢業(yè)生。

女性求職者比男性求職者在高學(xué)歷中所占比例更高，82.7%的女性求職者擁有碩士及以上學(xué)歷，只有69.9%的男性求職者擁有同等學(xué)歷。這方面的差異非常顯著。

結(jié) 論

從上面的研究可以發(fā)現(xiàn)，女性求職者在被拒率上高出男性求職者5.6個百分點，盡管女性擁有高學(xué)歷的比例更高、工作年限上和技能體系上也沒有實際意義上的差異。

當(dāng)然，如果僅僅根據(jù)上面的實驗結(jié)果就得出“被拒率上的差異是因為有意或者無意的偏見”的結(jié)論，還缺乏充分的理由。但考慮到在實驗中至少已經(jīng)排除一些客觀因素的影響，那么有理由相信這種差異更有可能是來自于主觀因素的影響。

研究的局限性

當(dāng)然，需要指出的是，本次實驗還具有一些局限性：

1. 經(jīng)驗和教育背景的含金量

盡管工作經(jīng)驗和教育背景是簡歷審查的一個基準(zhǔn)線，但其中的含金量卻是極其關(guān)鍵的因素，甚至影響到能否通過簡歷審查。然而，這方面又太觀并且難以控制。

2. 技能不是紙上談兵

我們僅僅根據(jù)技能一欄填寫的情況來考慮，那么會造成一個熟練掌握該技能并有5年經(jīng)驗的求職者和一個剛會一點的菜鳥求職者沒什么區(qū)別的情況。

3. 所有相關(guān)技能所占權(quán)重都一樣

全部34項技能權(quán)重都一樣，這在簡歷審查時肯定不現(xiàn)實，很明顯一些職位對于一些核心技能的要求要高過其他技能，也就是權(quán)重更重。然而，這方面我們可以通過招聘官給出每項技能的權(quán)重來解決。

4. 之前做過的項目沒有被考慮進去

求職者之前做過的項目或者寫過的代碼（比如github等）有時在簡歷審查時是會被調(diào)閱的，而這一點在本次實驗中沒有被考慮。