Gender bias in computing is a hard problem that has resisted decades of research. One obstacle has been the absence of systematic data that might indicate when gender bias emerged in computing and how it has changed. This article presents a new dataset (N=50,000) focusing on formative years of computing as a profession (1950-1980) when U.S. government workforce statistics are thin or non-existent. This longitudinal dataset, based on archival records from six computer user groups (SHARE, USE, and others) and ACM conference attendees and membership rosters, revises commonly held conjectures that gender bias in computing emerged during professionalization of computer science in the 1960s or 1970s and that there was a 'linear' one-time onset of gender bias to the present. Such a linear view also lent support to the "pipeline" model of computing's "losing" women at successive career stages. Instead, this dataset reveals three distinct periods of gender bias in computing and so invites temporally distinct explanations for these changing dynamics. It significantly revises both scholarly assessment and popular understanding about gender bias in computing. It also draws attention to diversity within computing. One consequence of this research for CS reform efforts today is data-driven recognition that legacies of gender bias beginning in the mid-1980s (not in earlier decades) is the problem. A second consequence is correcting the public image of computer science: this research shows that gender bias is a contingent aspect of professional computing, not an intrinsic or permanent one.


翻译:计算机中的性别偏向是一个棘手的问题,它阻碍了数十年的研究。一个障碍是缺乏系统的数据,这些数据可能表明计算机中出现性别偏向时以及这种偏向是如何改变的。本文章展示了一个新的数据集(N=50 000),侧重于作为职业的计算机的形成年份(1950-1980年),当时美国政府的劳动力统计很薄或不存在。这种纵向数据集,基于六个计算机用户群体(SHARE、USE和其他)和ACM会议参与者和成员名册的档案记录,它揭示了计算机中三个截然不同的性别偏向时期,从而为这些变化的动态提供了时间性解释。它大大修正了1960年代或1970年代计算机科学专业化期间出现的计算中的性别偏向的常识性,以及目前存在“线性”性别偏向的一次性开始。这种线性观点还支持了计算“管道”模式在连续的职业阶段“消失”妇女。相反,该数据集揭示了计算机中三个截然不同的性别偏向期,因此为这些变化的动态解释。它大大地修正了学术评估和大众对计算中性别偏向的性别偏向性的理解。它也并没有引起对目前这种性别偏向性研究的注意。

0
下载
关闭预览

相关内容

[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium7
中国图象图形学学会CSIG
0+阅读 · 2021年11月15日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3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
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
30+阅读 · 2022年2月15日
Arxiv
35+阅读 · 2021年8月2日
VIP会员
相关资讯
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium7
中国图象图形学学会CSIG
0+阅读 · 2021年11月15日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3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
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员