The measurement and analysis of human sex and gender is a nuanced problem with many overlapping considerations including statistical bias, data privacy, and the ethical treatment of study subjects. Traditionally, human gender and sex have been categorized and measured with respect to an artificial binary system. The continuation of this tradition persists mainly because it is easy to replication and not, as we argue, because it produces the most valuable scientific information. Sex and gender identity data is crucial for many applications of statistical analysis and many modern scientists acknowledge the limitations of the current system. However, discrimination against sex and gender minorities poses very real privacy concerns when collecting and distributing gender and sex data. As such, extra thoughtfulness and care is essential to design safe and informative scientific studies. In this paper, we present statistically informed recommendations for the data collection and analysis of human subjects that not only respect each individual's identity and protect their privacy, but also establish standards for collecting higher quality data.


翻译:人类性与性别的衡量和分析是一个细微问题,有许多相互重叠的考虑,包括统计偏见、数据隐私和研究科目的道德处理。传统上,人类性别和性别被归类,并用人工二元系统衡量。这一传统之所以继续存在,主要是因为易于复制,而不是如我们所认为的那样,因为它产生最宝贵的科学信息。性和性别认同数据对于统计分析的许多应用至关重要,许多现代科学家承认现有系统的局限性。然而,在收集和传播性别与性别数据时,对性和性别少数群体的歧视是真实的隐私问题。因此,对设计安全和内容丰富的科学研究,特别的思考和谨慎至关重要。在本文件中,我们为收集和分析不仅尊重每个人的身份和保护他们的隐私,而且为收集更高质量的数据制定标准的人的数据,提出了具有统计依据性的建议。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【干货】大数据入门指南:Hadoop、Hive、Spark、 Storm等
专知会员服务
95+阅读 · 2019年12月4日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Arxiv
0+阅读 · 2021年5月6日
Arxiv
0+阅读 · 2021年4月21日
Arxiv
0+阅读 · 2021年4月9日
VIP会员
相关VIP内容
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Top
微信扫码咨询专知VIP会员