为什么，何时以及从谁那里收集和报告人机交互中的种族和族裔数据的考虑

文献标题

Why, when, and from whom: considerations for collecting and reporting race and ethnicity data in HCI

文献信息

• 主题领域: 人机交互领域对于研究参与者种族和族裔数据的收集与报告及其影响
• 关键词: 种族, 族裔, 系统性文献综述, HCI研究, 调研

研究背景与问题

• 问题与挑战: 研究发现，在人机交互 (HCI) 领域，研究参与者的种族和族裔信息的报告极为稀有（少于3%）。现有关于“何时、为何、如何”收集这些数据的指导原则尚不成熟，研究者的意见也没有形成一致。
• 重要性: 多样化参与者对于开发安全、包容性和公平的技术至关重要。在种族和族裔数据缺乏的情况下，可能会导致对技术使用和影响的理解偏差，进一步加剧技术系统中的系统性不平等。
• 研究动机与相关工作:
  • 种族和族裔在其他领域（例如医学和心理学）的研究已被证明提供了关于健康和社会平等的重要见解。
  • 关于性别与阶级的研究占据了更多关注，但种族作为重要维度仍缺乏充分探讨。
  • 批判种族理论等工具已被用于分析HCI中存在的种族问题和偏见，但仍需深入探讨参与者种族组成对技术设计和使用的影响。

解决方案

• 提出的解决方案:
  • 对2016-2021年的CHI会议论文进行系统性文献分析，结合对相关作者的调研，探索HCI研究中种族和族裔数据的报告现状及其原因。
  • 提出多学科视角下的建议与考虑以帮助HCI研究者作出有关种族和族裔数据收集的决策。
• 创新点:
  • 提出详尽的考虑事项，包括为什么、何时、从谁处收集种族和族裔数据。
  • 结合文学综述与调研数据，开发多维度分析框架以帮助研究者减轻数据收集和使用潜在风险。
• 实施步骤与技术:
  • 构建关键词筛选、手动分析以及调研结合的多层次文献筛选方法以识别有关种族和族裔报告的HCI研究。
  • 分析种族构成趋势以及论文使用的具体方法（如问卷设置）。
  • 通过与相关研究人员的开放性问题调查，总结收集种族和族裔信息的动机和实践方式。

研究成果

• 具体成果:
  1. 分析结果:
     • 从2016年至2021年，CHI收录的论文中报告种族和族裔信息的比例不到3%。
     • 总参与者中64.1%为非西班牙裔白人，10.3%为黑人，8.9%为西班牙裔，6.7%为亚洲人，其他族群占比4.6%。
     • 研究的参与者种族构成与美国人口普查统计或FDA药物试验结果相比略有差异。
  2. 调研发现:
     • 研究者收集种族和族裔数据的主要动机包括验证研究外部有效性、探索种族特定现象、应对外部要求（如美国政府规定）等。
     • 数据收集方法多样，包括问卷设置中使用单选、两问及开放式回答等。
  3. 多学科视角与实用建议:
     • 提供了明确的设计指南，建议在问卷中允许多选答案，或开启开放选项以帮助参与者自我识别。
     • 鼓励研究者在量化分析中慎用混合种族标签，避免使用单一文化群体（如白人）作为默认参考组。
• 优势:
  • 相较于之前断续的讨论，本研究系统地整合了种族信息在HCI领域的现况与方法，为指导后续研究提供明确参考。
  • 提出的建议强调以精确、尊重多样性的方式展开研究，从而在理论与实践之间取得更好平衡。
• 实验或评估结果:
  • 数据表明，近年来对HCI研究中种族和族裔数据探讨的兴趣逐渐增长，尤其在2021年的会议论文中占比提升。
• 局限性与未来方向:
  • 局限性：
    1. 范围主要集中于美国种族和族裔背景，会限制对全球差异的充分探讨。
    2. 调研样本数量偏少，不完全代表研究者群体的意见。
    3. 所用筛选和分析方法可能会遗漏未明确提及种族信息的论文。
  • 未来方向：
    1. 在全球背景下扩展种族和族裔信息收集与报告。
    2. 调查更多未收集信息作者背后的原因，并设计工具克服这些障碍。
    3. 开发更具地区适应性的种族分类系统，加强定性研究方法以探讨种族和族裔数据的复杂性。