女生学不好数理化,真的吗?

机器学习算法与Python实战

共 2757字,需浏览 6分钟

 ·

2021-07-27 15:26

作者:数据叔  来源:大数据DT(ID:hzdashuju)

01 什么是刻板印象?

日常生活中,我们会接触很多各种各样的人,但我们也无法了解一个人的每一个细节,所以我们会通过“打标签”的方式来“脑补”他们。性别、身份、籍贯、职业、星座、兴趣爱好等等都可能会成为标签的来源,而这其中的绝大多数标签都是不靠谱的,都会造成刻板印象

《学会提问》一书中提到:

当我们形成刻板印象时,我们就会断言,因为某个人是特定集体中的一员,所以他肯定具有一系列明确的特征。

通过刻板印象去评判一个人,显然是不公平的。

刻板印象无处不在,有些已经被网友们改编成了段子,自嘲或反讽那些带有刻板印象的人,比如:

  • 内蒙古的孩子都骑马上学吗?
  • 程序员都背双肩包、穿格子衫吗?
  • 处女座的人都有强迫症吗?
  • ……

但有些刻板印象仍然很沉重,让人笑不出来。比如,女生学不好数理化吗?



02 理科生男多女少?谁是原因,谁是结果?

回想高中分文理科时,校长大人就曾明确说过,女生学不好数理化,纯属胡扯。但很多老师、家长甚至是同学都不信,因为很多班级里男同学的成绩都比女生好,大学里的理科专业也是男生人多,女生人少。媒体上经常出现的顶尖科学家们,似乎也是男多女少。

但这能证明女生学不好数理化吗?

先来看一个实验。

关于女生学不好数理化的刻板印象,不光是中国人有,美国人也有。同时,美国人还觉得亚洲人比其他群体擅长数理化。女生学不好数学,亚洲人擅长数学,那么亚洲女生呢?

于是哈佛大学的3名心理学家做了一个有趣的研究[1]。他们挑选了一群智商和学习成绩都差不多的美国亚裔女生,做了一个实验。

他们把这群女生随机分为两组,其中一组先填写关于民族背景的问卷,比如你的祖辈来自哪里,说什么语言?也就是给她们“你是亚洲人”的心理暗示;另一组先填写一份有关爱情、男女关系方面的问卷,也就是暗示她们“你是女生”。然后再让她们一起做数学测验。

结果,被暗示“你是亚洲人”的这组女生的成绩明显好于“你是女生”的这一组。但别忘了,她们本来是智商和学习能力都相同的女生,她们的数学成绩本该没有区别,却因为接受了不同的心理暗示取得了不一样的测验结果。

根据这个结果我们可以捋一下,并不是因为女生真的学不好数理化,所以社会大众得出了女生学不好数理化的统计结论,而是因果关系反了过来,正是因为刻板印象不停地暗示“女生学不好数理化”,才导致了很多女生在学习数理化时陷入了困境,没有取得本该有的好成绩。

所以我们可以回答前文的问题了:这种有毒的刻板印象人为地给女生造成了学习障碍,在学习和成长过程中,老师、家长和同学不停地重复这种偏见,给女生造成负面的心理暗示,影响她们的数理化成绩。在这个过程中,不知道有多少女数学家、女科学家、女工程师被扼杀了。

所以你才会看到,理科班的男生比女生多,新闻经常露脸的科学家、工程师们也总是男多女少。

这样一个男多女少的结果,可以说完全是后天的刻板印象人为造成的,它本可以避免。



03 身高180.2cm的人比身高180.1cm的人更适合打篮球吗?

你或许会问男性和女性大脑真的不存在先天差异吗?的确有一些实验证实男性和女性大脑在运作方式上存在不同[2],但另一个实验更能说明问题。如果给你看一些人类大脑活动的核磁共振影像,你能区分出哪些是男性大脑哪些女性大脑吗?

一个以色列神经科学研究团队[3]给出的结论是,不能。首先,你要找出这不足千分之一的极小差异就很困难;然后,你要是想证明这极小差异会造成男性适合学什么女性适合学什么,简直就相当于在问:身高180.2cm的人比身高180.1cm的人更适合打篮球吗?(况且谁才是那个180.2cm的人还说不准呢。)

但值得庆幸的是,随着社会的发展和人们思想观念的进步,我们可以看到越来越多的女性在各种领域取得成功。

另外,虽说我们不该用个案去说明总体情况,但还是想提醒一下:目前中国唯一获得过诺贝尔奖的科学家是女性,而唯一获得过诺贝尔奖的文学家是男性。所以,女生学理科、男生学文科,都挺好,都前途无量。

小结

如果你是女生,对数理化感兴趣,就别信那些有毒的刻板印象。同时可以想想哈佛大学的那个实验,适当暗示自己,我是中国人,我擅长数理化,我很厉害!

写这篇文章时正好赶上高考报志愿的尾声。不知现在说是否还来得及:千万不要因为自己的性别放弃自己感兴趣的专业!虽说毕业之后未必就从事所学专业的相关工作,但是选对专业还是相当于选到了一条平坦舒适的路。

相关参考:
[1]STEREOTYPE SUSCEPTIBILITY: Identity Salience and Shifts in Quantitative Performance, Margaret Shih, Todd L. Pittinsky, and Nalini Ambady, Harvard University
http://disjointedthinking.jeffhughes.ca/wp-content/uploads/2011/07/Shih-Pittinsky-Ambady-1999.-Stereotype-susceptibility-Identity-salience-and-shifts....pdf
[2]Sex differences in the structural connectome of the human brain, Ingalhalikar et al., 2014
https://www.pnas.org/content/111/2/823
[3]Sex beyond the genitalia: The human brain mosaic, Joel et al., 2015
https://www.pnas.org/content/112/50/15468

关于作者:数据叔,大数据DT首席搞事官,就是在朋友圈被称为“顶流科技新媒体主理人”的那个人。


延伸阅读《学会提问》(原书第12版)

推荐语:批判性思维入门经典,授人以渔的智慧之书,畅销百万册,豆瓣8.3高分。美团四大名著之一。樊登、俞敏洪、学长LEO等力荐。随书赠手绘思维导图、70页读书笔记PPT。

推荐阅读

(点击标题可跳转阅读)

神经网络入门

测评:《机器学习中的数学》

测评:《哈佛概率论公开课》

统治世界的 10 大算法,你知道几个?

清华大学出版!《机器学习导论》PDF下载

测评:《深入浅出 Embedding》

老铁,三连支持一下,好吗?↓↓


浏览 21
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报