非虚构书籍推荐：《被忽略的女性》数据上的性别忽视/偏见
“data bias in a world designed for men”
“从政府政策到医学科技研究、职场环境、城市规划、产品设计、媒体等，本书讨论数据偏差给女性带来的影响。”
-Invisible Woman, Caroline Perez著
“男人是人的理想状态么？”
“细数我们看不见的歧视。男人是这个世界的默认代表。”
-豆瓣
我是几个月在audible上听作者朗读的，没有实体书，自己记忆力也不好，所以觉得开头用网上的评论比较好。
本书文字比较干涩，有人反应像是在读论文，我听得津津有味是因为这些数据非常令人大开眼界。
有理有据比从个人感受出发更有说服力。
不论你是什么性别都应该看看。
本人女，我一度觉得自己挺femisit的，但是看完才发现自己有时下意识会歧视女性。本书中也有提到，人们对强势的男性更宽容、佩服，用同样的语气措辞说话时女性则会给人一种“凶、bitch、一点都不友善”的感觉。
我从来没意识到我的友善我的“你说的有道理”这种爱检讨的态度是一种社会对我的性别要求。自从听完这本书我时刻都能发现自己和身边的女性对社会的“顺从”。
本书探讨的方面比我举的例子要更有深度和广泛。
目前没有中译本。audible和kindle上都有英文原版。
如果有人感兴趣，我可以翻译一些发在品葱上。
-----
补充：
本书讨论的是女性数据缺失，所以女性被遗忘，生活在世上更加不便。
比如手机的大小，默认适合男性，对女性普遍偏大。
比如汽车安全，女性比男性更容易死xx%（不记得了），因为汽车安全是按照男性身形设计。
比如药物开发，测试药物是在男性身上，所以女性服药时作用可能不同。
比如在开中央空调的室内女性更容易觉得冷，因为男女体温不同，而最适宜温度是按照男性订的。（购物中心、办公室等）
比如道路规划好之后才发现常有女性抱怨道路不好。男性觉得人行道路面挺平整，而女性反应路面很糟糕，研究之后发现因为一般是女性负责推婴儿车（对缝隙更敏感），而男性使用人行道只是在走路。
当然这些都在逐渐变好，更包容。
本书所说的数据平等是世界需要把女性考虑进去，问一问女性的意见。
没有要让大家都一模一样，那样世界多无聊。
只是希望能彼此理解，关怀。
再注：改了标题，怪我写错了。从歧视变忽视/偏见吧。
“从政府政策到医学科技研究、职场环境、城市规划、产品设计、媒体等，本书讨论数据偏差给女性带来的影响。”
-Invisible Woman, Caroline Perez著
“男人是人的理想状态么？”
“细数我们看不见的歧视。男人是这个世界的默认代表。”
-豆瓣
我是几个月在audible上听作者朗读的，没有实体书，自己记忆力也不好，所以觉得开头用网上的评论比较好。
本书文字比较干涩，有人反应像是在读论文，我听得津津有味是因为这些数据非常令人大开眼界。
有理有据比从个人感受出发更有说服力。
不论你是什么性别都应该看看。
本人女，我一度觉得自己挺femisit的，但是看完才发现自己有时下意识会歧视女性。本书中也有提到，人们对强势的男性更宽容、佩服，用同样的语气措辞说话时女性则会给人一种“凶、bitch、一点都不友善”的感觉。
我从来没意识到我的友善我的“你说的有道理”这种爱检讨的态度是一种社会对我的性别要求。自从听完这本书我时刻都能发现自己和身边的女性对社会的“顺从”。
本书探讨的方面比我举的例子要更有深度和广泛。
目前没有中译本。audible和kindle上都有英文原版。
如果有人感兴趣，我可以翻译一些发在品葱上。
-----
补充：
本书讨论的是女性数据缺失，所以女性被遗忘，生活在世上更加不便。
比如手机的大小，默认适合男性，对女性普遍偏大。
比如汽车安全，女性比男性更容易死xx%（不记得了），因为汽车安全是按照男性身形设计。
比如药物开发，测试药物是在男性身上，所以女性服药时作用可能不同。
比如在开中央空调的室内女性更容易觉得冷，因为男女体温不同，而最适宜温度是按照男性订的。（购物中心、办公室等）
比如道路规划好之后才发现常有女性抱怨道路不好。男性觉得人行道路面挺平整，而女性反应路面很糟糕，研究之后发现因为一般是女性负责推婴儿车（对缝隙更敏感），而男性使用人行道只是在走路。
当然这些都在逐渐变好，更包容。
本书所说的数据平等是世界需要把女性考虑进去，问一问女性的意见。
没有要让大家都一模一样，那样世界多无聊。
只是希望能彼此理解，关怀。
再注：改了标题，怪我写错了。从歧视变忽视/偏见吧。
101 个评论
>> 诚恳地探讨，我对于单一数据指标的统计结论常抱有怀疑的态度，在世界里，正太分布几乎统治了所有领域...
很高兴看到你提到了统计学。不妨让我补充一下一些我对统计学的看法。
首先，我认为你在你的例子里没有考虑到“统计误差”这一因素。如果我们对十二星座的车祸死亡率进行统计，那么显然会发现一次统计中，会有死亡率最高的星座，死亡率最低的星座。这时我们可以以此得出结论吗？不能，我们还得看统计结果是不是在误差的范围内。
统计学会有很多手段来检验结论的可信度。其中一个是p值，p值小于0.05被认为是确定实验数据可靠性的金标准。这个标准支持了大多数已发表的科学结论，违反这一标准的论文很难发表，而且也很难得到学术机构的资助。
如果统计的结果差异很小，那么显然通不过p值检验，没办法发出一篇“某某星座车祸死亡率最高”的论文。只能发出“各个星座的车祸死亡率没有显著的统计学差异”这样的论文。
而且你误用了正态分布一词。你说每个星座的车祸死亡率符合正态分布，然而这否认不了统计结论的合理性。统计结果的误差符合正态分布，有高有低，但相差不大的时候统计学就会认为“没有显著的统计学差异”，只有相差大到一定程度时才会搞出大新闻来。
口说无凭，数据说话。女权主义者已经摆出统计数据，女性的车祸死亡率接近于男性的2倍。这个差距早就超出了统计学差异。你要是做统计，能发现某个星座的人的车祸死亡率能比其他星座高这么多，并且排除实验误差后，那也一定能发篇轰动的论文。
其次，统计学的一个重要原则是“相关性≠因果性”。即统计结果显示两者存在相关性，但不一定就是因果性。比如统计结果显示儿童溺亡的数量会和可乐的销售量正相关，但这不存在着因果性，因为两者背后有同样一个因，即“夏天来了”。
现在女权主义者给出了相关性的统计，即女性的车祸死亡率比男性高很多。女权主义者同时给出于因果性的假设，即“女性的车祸死亡率是因为汽车制造时忽视了女性”，并且给出了解决方案“制造汽车时，除了男性假人外也要使用女性假人”。
如果你想驳斥这一个基于统计结果的女权主张的有效性的话，你可以从2方面入手：
1. 否定因果性的假设，即否定“女性的车祸死亡率是因为汽车制造时忽视了女性”。你可以去证明是其他因素导致了统计结果的差异，比如是女性的身体结构就导致了无论怎么设计汽车都会死得多。
2. 否定解决方案的有效性。即去证明使用女性假人也无法降低两性死亡率的差异。
但是女权主义者也可以从第2点下手，比如，如果有一家汽车制造商使用了女性假人，并且证实最终的车型会使女性的死亡率降低的话，那么解决方案的有效性就得到了证实。
最后说说我是一个男性，为什么支持这个议题。在汽车最先发明的时候，肯定只考虑了很少一部分人，比如按照平均体型的男性去设计座椅。然而随着汽车逐渐普及，那么各种身材的人都应该值得厂商去考虑。比如儿童不适合坐在现在的座位上，于是就有了儿童安全座椅来降低儿童的死亡率。现在女性发现自己的死亡率过高，于是要求设计汽车时除了考虑男性的身材外，也要考虑女性的身材。这个诉求也是和此前汽车行业的进步一脉相承的逻辑。充分考虑每一个人，也是社会的进步。
