《刷掉它》：女性工作者如何应对和处理性别中立的零工平台中的偏见和骚扰

文献标题

“Brush it Off”: How Women Workers Manage and Cope with Bias and Harassment in Gender-Agnostic Gig Platforms

文献信息

• 主题领域: 人机交互 (HCI)、性别研究、平台经济
• 关键词: Gig经济, 性别中立, 女性劳动者, 偏见与骚扰, 算法管理, 雇佣平台, 性别平等, 社会计算, 工作场所安全, 劳动市场

研究背景与问题

• 发现的问题或挑战:

  • 在北美，尽管女性占了骑车接送、食品配送和家政服务领域劳动力的几乎一半，但她们在平台上严重感受到偏见、骚扰与性别工资差距。
  • Gig经济平台未能关注女性的性别化经验，现有工作的算法管理机制加剧了原本存在的社会不平等。
  • 女性劳动者面临平台“性别保护政策”缺失，比如防骚扰机制的匮乏、在平台中身份与贡献未被承认，以及工作安全缺乏保障。

• 重要性:

  • 用户之间的互动以及客户对劳动者行为感知的偏差对女性更为不利。
  • 女性在工作环境中的性别不平等会导致心理健康问题、经济损失与社会排斥。
  • 在平台经济日益发展的背景下，对其性别化经验的研究对于改善工作环境与劳动力权益至关重要。

• 研究动机与相关工作:

  • 以往的研究多集中于性别收入差距的定量分析，未充分探索女性劳动者的主观经验与应对策略。
  • 本文旨在更深层次地理解女性在应对骚扰和偏见时的心理状态与行为模式，并探讨这些经验在算法驱动的平台工作环境中的体现。

解决方案

• 提出的方法或解决方案:

  • 对来自北美的20名女性 Gig 工作者进行半结构化访谈，并通过女性主义理论和社会技术批判性分析对数据进行深入挖掘。
  • 研究其对偏见与骚扰的应对方式，以及如何在性别中立的算法环境中重新定义劳动贡献。

• 创新之处:

  • 首次将“女性主义人机交互理论”运用于探讨 Gig 平台中的性别中立问题，强调女性独特经验的社会嵌入性及其贡献。
  • 突出“性别化不可见劳动”（如情感支持、安全感提供）在算法导向的价值机制中的忽视现象。

• 实施步骤与关键技术:

  • 数据收集: 半结构化访谈，覆盖不同任务类型（如乘车接送、配送服务、家庭服务）。
  • 数据分析: 采用主题分析框架（Thematic Analysis - TA），结合归纳与演绎式编码。
  • 理论框架: 引入社会性别批判理论与技术嵌入性分析(Feminist HCI)。

研究成果

• 取得的具体成果:

  • 发现平台因设计中缺少性别意识，导致女性劳动者更容易受到骚扰，且其独特贡献未被算法嵌入工作分配与薪酬激励机制。
  • 女性劳动者倾向于在面对骚扰时“低头忍耐”（即“brush off”），以避免评分下降和任务分配机会减少。
  • 指出“性别中立”机制实际上构成了对女性隐形的结构性不公平。

• 与现有解决方案相比的优势:

  • 突破以往研究中性别不可见性的盲区，提供女性特别是边缘人群在 Gig 平台上的主观性洞察。
  • 提出了基于社会价值和人性化设计的创新解决策略，比如加强安全功能、重新设计客户-劳动者互动评价系统。

• 实验或评估结果:

  • 平台当前的评级和推荐算法未能识别女性工作者对客户安全感和劳动者社群的贡献；女性劳动者普遍倾向于通过非正式社交支持填补平台支持的不足。
  • 骚扰事件频发且缺乏有效报警机制。女性劳动者选择隐忍的主要原因在于平台惩罚机制对维护客户需求而不是劳动者福祉倾斜。

• 局限性与未来方向:

  • 局限性:

    • 样本聚焦于北美，未能代表其他地区（如全球南方国家）的多样化性别体验。
    • 未能充分呈现因“幸存者偏差”（仅采访了在平台上留存的人群）而被忽视的工作中断问题。

  • 未来方向:

    • 扩展性别-种族-文化交汇视角，例如探讨移民女性或穆斯林女性在平台工作的独特挑战。
    • 探索社会性别如何在更广泛的民主国家政策框架下被嵌入数字平台劳动治理中。

总结

• 本文通过全面的质性访谈研究，为 Gig 平台中的性别经验构建了重要的理论模型，同时提供了明确的设计指导（如性别化平台评价系统的实施方式）。
• 数据表明，当设计“性别化现实”而非“性别化机制”时，平台有可能减轻骚扰事件并产生更公平的劳动力配置与激励模式。