隐藏于显眼之处太久：利用文本挖掘技术揭示职场性别歧视与性骚扰
计算机与社会
2019-07-02 v1 计算与语言
应用统计
摘要
目标：本研究旨在通过分析发布在 Everyday Sexism Project 网站 everydaysexism.com 上的 2,362 段经历，发现其中的主题，以了解人们在职场中如何经历性别歧视与性骚扰。方法：本研究结合了定量与定性方法。定量方法采用计算框架来收集和分析大量职场性骚扰经历。定性方法则对文本挖掘方法生成的主题进行分析。结果：共编码了 23 个主题，并根据性别歧视与性骚扰文献将其归为三大 overarching 主题。性别歧视主题包括女性因性别受到不利对待的经历，如晋升被忽略、机会被剥夺、薪酬低于男性以及在会议中被无视或打断。性别歧视与性别骚扰主题包括关于性别歧视与性别骚扰的故事，如从带有厌女刻板印象的侮辱和笑话到欺凌行为的性别敌意行为。最后一个主题是不受欢迎的性关注，包含描述用于贬低女性的性评论和行为的故事。不受欢迎的身体接触是权重最高的主题，表明网站用户遭受触摸、拥抱或亲吻、抚摸和抓握的情况非常普遍。结论：本研究展示了研究人员如何利用自动化过程超越传统研究方法的局限，调查互联网上自然产生的大规模数据集，以更好地了解日常职场性别歧视经历。
引用
@article{arxiv.1907.00510,
title = {Hidden in Plain Sight For Too Long: Using Text Mining Techniques to Shine a Light on Workplace Sexism and Sexual Harassment},
author = {Amir Karami and Suzanne C. Swan and Cynthia Nicole White and Kayla Ford},
journal= {arXiv preprint arXiv:1907.00510},
year = {2019}
}