开放街道地图贡献的性别地理分布：自我关注偏见的复杂性

全世界数百万人向服务于人类信息需求并为著名人工智能系统提供重要世界知识的同行生产存储库贡献内容。然而，存在极端的性别参与差异，男性人数显著多于女性。一个核心问题是，由于自我关注偏差，这些差异可能导致相应的性别内容差异，即与男性感兴趣的内容相比，与女性感兴趣的内容表现不足。本文研究了OpenStreetMap中参与度和内容差异之间的关系。我们复制了女性作为OSM贡献者的代表性严重不足的发现，并观察到男性和女性贡献不同类型的内容，并且关于不同的地方。然而，这些差异的性质混淆了关于自我关注偏差的简单叙述：我们发现，按比例计算，男性在女性化空间中的贡献比例高于女性，而女性在男性化空间中的贡献比例高于男性。