斯坦福大学的学者说，性和性别分析促进了科学的发展

无论是设计设备还是开发药物，科学家们往往没有考虑到性别偏好、偏见和假设是如何导致意想不到的后果的。

根据斯坦福大学历史学家Londa Schiebinger的说法，是时候让科学迎头赶上了。

为了解决这一滞后问题，Schiebinger和一群学者在《自然》杂志上发表了一篇论文，讨论了为什么性别和性别视角在科学中很重要，以及科学界如何在促进增长和创新的同时使研究更具包容性。

“在研究中把性别和性别作为变量，在相关的地方，提高科学和工程的卓越性，”Schiebinger说，他是斯坦福大学人文科学学院的John L. Hinds科学史教授。“关键问题是我们如何利用性别和性别分析的创造力来发现和创新?”考虑性别是否为研究增加了一个有价值的维度?是否有新的研究方向?”

Schiebinger和她的合著者解决了这些问题，并从一系列科学领域——如生物医学、人工智能和机器学习、社会机器人和海洋科学——来展示性别和性别分析如何能导致新的发现。

打开机会，促进发现

Schiebinger和她的合著者指出，长期以来，科学家们一直将女性排除在实验之外，因为他们错误地认为女性生殖周期的波动会改变实验结果。

研究人员写道，在医学领域，性别特异性药物的剂量并不常见。

例如，当发现老年女性比男性更容易出现血管加压素(一种调节肾脏水分的抗利尿激素)的副作用时，欧盟和加拿大建议女性服用该药的剂量要低一些。

癌症免疫治疗是另一个基于性别差异的定制治疗领域。接受检查点抑制剂(一种刺激自然杀伤细胞的疗法)治疗的黑色素瘤或肺癌患者，其反应因性别而异。性别差异的一个可能解释是自然杀伤细胞对雌激素和睾酮的敏感性。

这些例子表明，基于性别的治疗理解可以帮助改善病人的护理。

与医学一样，人工智能是科学家们开始认识到他们所创造的技术的潜在后果的另一个领域。生物医学数据科学助理教授、论文合著者詹姆斯·邹(James Zou)研究了机器学习算法是如何捕捉并延续社会中现有的偏见和刻板印象的。

研究人员在论文中强调，算法偏见是有据可查的。他们举了几个例子，包括之前发现的一个搜索引擎更可能向男性而不是女性展示高薪管理职位的广告;在另一个案例中，一个算法把厨房里的男人误当成了女人。

随着医学、医疗保健和技术越来越个性化，“我们需要更好的模型和结合性别/性别，以使产品健壮和可靠，”邹说。“了解性别差异也揭示了重要的基础新科学。”

步骤

在这篇论文中，Schiebinger和她的合著者提供了多种方法，让科学界可以将性别和性别视角纳入他们的研究。

一个建议是教育机构整合那些历史上一直分离的学科。

在斯坦福大学，Schiebinger开展了“性别创新项目”，为科学家和工程师提供实用的性别分析方法。作为项目的一部分，Schiebinger与一位计算机科学的同事合作，组织了两个研讨会——一个是关于机器学习中的性别与公平，另一个是关于社交机器人的性别化。Schiebinger说，这些会议让科学家和工程师与人文主义者和社会科学家进行对话，“我们可以真正地交流研究和交流”。

该项目还公布案例研究，以说明性和性别分析如何能够导致对问题或现象的新理解。例如，一个案例研究考察了机器学习中的偏见，并展示了各种算法，如果不加以纠正，可能会强化刻板印象和社会不平等。

另一个机会是从一开始就改进研究设计，并在适用时将性别和性别作为分析的类别。

为了帮助科学家和工程师决定性别和性别分析是否合适，Schiebinger和她的合著者创建了一组决策树来帮助指导研究设计和报告结构。

研究人员还敦促科学家在报告他们的发现时更加透明，并分享他们是否发现了性别之间的任何差异和相似之处。

他们写道:“报告性别和与性别相关的变量缺乏透明度，因此很难重现这些变量影响实验结果的实验。”

Schiebinger承认，变革正在进行。

Schiebinger说:“这是一种对我们一贯做事方式的不同寻常的奉献。”“但现在情况正在迅速改变。自2016年以来，美国国立卫生研究院(National Institutes of Health)要求分析“作为生物变量的性”，以增强科学的可重复性。美国国家科学基金会(National Science Foundation)将在2020年举办研讨会，研究如何将性别、性别和多样性分析最好地纳入其资助指南。欧盟在这方面领先于美国，是时候迎头赶上了!”

新闻旨在传播有益信息，英文原版地址：https://news.stanford.edu/2019/11/06/sex-gender-analysis-improves-science/