數據分析1382份簡歷：就業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、不同職業類別的人對此或許有不同看法。這樣的看法是如何產生的？有沒有一種科學的方法來衡量呢？美國舊金山的一位數據科學家Prasanna Parasurama通過對1382份簡歷的分析得出了結論：性別不平等往往和求職者的個人客觀條件無關，而更多來自公司主管不可控的主觀因素。

用大數據的方法來衡量職場的性別不平等

在科技業，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據的系統性研究。

對于那些擁有大量數據的企業來說，缺乏一個嚴格而科學的系統很容易導致人力資源部門僅僅根據道聽途說來推測性別不平等問題產生的原因，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地用來評價求職性別不平等的系統研究方法，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份簡歷的數據分析

這次研究中用到的是一個數據工程師職位的1382名求職者的簡歷數據，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）的性別預測模型得到的，總的準確率可以達到96%，但會產生4%的誤差。在后續的分析中，這一誤差也可能會有所影響。

而求職者的職業技能也由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，理論上被拒比例應該是接近的。

（圖片說明：被拒比例=被拒的申請者人數/總申請人數）

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，我們把數據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。我們發現約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生的被拒率的差異都可以被歸結為：

+  客觀因素：工作經驗、教育背景和技能體系。

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

由于主觀因素的本質，它本身是不可控的，所以我們把研究對象限定在客觀因素。

我們基于以下假設對統計數據的顯著性做了測試：

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，二是性別預測的誤差（4%）?？紤]到性別預測誤差，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生的概率，從而比較兩個平均數的差異是否顯著）。這類傳統參數測試，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，并且驗證了重復性假設。

數據分析：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，這個偏差在統計上表現出顯著性（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。

技能總數量上的差異：

（圖片說明：男女求職者職業技能數量的分布）

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。根據上圖所顯示出來的情況，技能數量的平均數和中位數相差不大。

可以發現，盡管在技能平均數量上存在差異，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：職業相關技能的分布）

為了查明技能體系上的差異，我們根據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準差。

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。

偏差的百分數看上去直觀，但缺點是我們并不知道相對偏差。我們進一步利用平均數標準化偏差計算相對偏差：

在標準化之后，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。

結果發現，在剩余的33項技能中，只有SQL和統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方面男女之間不存在差異，而SQL和統計上又是女性有顯著的優勢。

工作經驗上的差異：

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

我們發現工作年限上只有半年的差異，盡管在差異上表現出顯著性，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生。

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

結 論

從上面的研究可以發現，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。

當然，如果僅僅根據上面的實驗結果就得出“被拒率上的差異是因為有意或者無意的偏見”的結論，還缺乏充分的理由。但考慮到在實驗中至少已經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

當然，需要指出的是，本次實驗還具有一些局限性：

1. 經驗和教育背景的含金量

盡管工作經驗和教育背景是簡歷審查的一個基準線，但其中的含金量卻是極其關鍵的因素，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年經驗的求職者和一個剛會一點的菜鳥求職者沒什么區別的情況。

3. 所有相關技能所占權重都一樣

全部34項技能權重都一樣，這在簡歷審查時肯定不現實，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閱的，而這一點在本次實驗中沒有被考慮。