Technische Samenvatting: Vrouwen maken zich zorgen, mannen adopteren? Gendergerelateerde risicoperceptie en de adoptie van generatieve AI

Probleemstelling

Generatieve Kunstmatige Intelligentie (GenAI) verspreidt zich snel door werk en het dagelijks leven, maar de adoptie verloopt ongelijkmatig, waarbij mannen deze tools consequent vaker gebruiken dan vrouwen. Deze discrepantie dreigt bestaande ongelijkheden in productiviteit, vaardigheden en carrièrekansen te vergroten. Hoewel de bestaande literatuur de genderkloof grotendeels toeschrijft aan verschillen in toegang, digitale vaardigheden, zelfvertrouwen en beroepsexpositie, stellen de auteurs dat deze verklaringen incompleet zijn. Zij beweren dat genderverschillen in de adoptie van GenAI ook kunnen voortkomen uit hoe vrouwen en mannen de maatschappelijke risico's die gepaard gaan met AI evalueren. Het centrale probleem is of onopgeloste maatschappelijke schade — zoals de impact op mentale gezondheid, het milieu, privacy en arbeidsmarkten — fungeert als een gedragspad dat vrouwen onevenredig veel ontmoedigt om GenAI te adopteren, zelfs wanneer zij over de nodige vaardigheden en toegang beschikken.

Methodologie

De studie maakt gebruik van twee golven (2023 en 2024) van de UK Public Attitudes to Data and AI Tracker, een nationaal representatieve enquête onder volwassenen in het VK ($N \approx 9.172$). De analyse verloopt in drie fasen:

1. Descriptieve Analyse: De auteurs onderzoeken de genderkloven in frequent GenAI-gebruik (gedefinieerd als minstens één keer per week) binnen diverse demografische, gedragsmatige en attitudinale subgroepen. Ze kijken specifiek naar intersectionele combinaties van factoren, zoals leeftijd, digitale geletterdheid en specifieke risicozorgen (mentale gezondheid, milieu, privacy, arbeidsmarkt).
2. Predictieve Modellering: Om het relatieve belang van risicoperceptie te beoordelen ten opzichte van traditionele voorspellers (digitale geletterdheid, opleiding, beroep), schatten de auteurs gender-specifieke random forest-modellen in, gestratificeerd per leeftijdsgroep (18–35, 36–50, 51+). Deze modellen voorspellen frequent persoonlijk GenAI-gebruik. Feature importance-scores worden gebruikt om de voorspellende relevantie van de samengestelde index van risicoperceptie te bepalen ten opzichte van andere covariaten.
3. Parametrische Score-matching: Omdat de data bestaat uit herhaalde dwarsdoorsneden in plaats van een echte panelstudie, maken de auteurs gebruik van een parametrisch score-matching ontwerp. Hierbij worden respondenten uit de golf van 2023 gekoppeld aan statistisch vergelijkbare respondenten uit de golf van 2024 op basis van stabiele geobserveerde kenmerken (leeftijd, geslacht, opleiding, beroep). Dit maakt het mogelijk om te onderzoeken of verschuivingen in digitale geletterdheid of optimisme over de maatschappelijke impact van AI geassocieerd zijn met veranderingen in GenAI-adoptie tussen de golven, terwijl wordt gecontroleerd voor demografische verschillen.

Kernmaten:

• Uitkomst: Frequentie van persoonlijk en werkgerelateerd GenAI-gebruik.
• Risicoperceptie: Een samengestelde index (0–1) die binaire indicatoren middelt over zorgen betreffende de impact van AI op mentale gezondheid, klimaat/milieu, gegevensprivacy en de arbeidsmarkt.
• Digitale Geletterdheid: Zelfgerapporteerd begrip van AI en het vermogen om de mechanica ervan uit te leggen.

Belangrijkste Resultaten

1. Prevalentie en Genderkloven

Mannen rapporteren aanzienlijk hogere niveaus van frequent persoonlijk GenAI-gebruik dan vrouwen (20,9% vs. 15,5%), wat resulteert in een basisgenderkloof van 5,3 procentpunt. Deze kloof is niet uniform; deze wordt aanzienlijk groter onder respondenten die zich zorgen maken over de maatschappelijke gevolgen van AI.

• Risicospecifieke Kloven: Onder degenen die bezorgd zijn over de effecten van AI op de mentale gezondheid, stijgt de genderkloof in persoonlijk gebruik naar 16,8 procentpunt.
• Intersectionele Dispariteiten: De grootste verschillen ontstaan bij jongere, digitaal vaardige individuen met hoge zorgen over maatschappelijke risico's. Bijvoorbeeld, onder respondenten die AI als een risico voor de mentale gezondheid beschouwen en een hoge AI-geletterdheid rapporteren, overstijgt de genderkloof in persoonlijk gebruik de 45 procentpunten (45,7 pp).

2. Voorspellende Relevantie van Risicoperceptie

In gender-specifieke random forest-modellen is de samengestelde index van risicoperceptie een sterkere voorspeller van adoptie voor vrouwen dan voor mannen in alle leeftijdscategorieën.

• Jongvolwassenen (18–35): Risicoperceptie staat op de tweede plaats als belangrijkste voorspeller voor vrouwen, vergeleken met de vijfde plaats voor mannen.
• Middelbare leeftijd (36–50) en Ouderen (51+): Risicoperceptie staat op de eerste plaats als belangrijkste voorspeller voor vrouwen en behoort tot de top-voorspellers voor mannen.
• Over alle modellen heen, verklaren risicopercepties 9–20% van de totale feature importance, wat aangeeft dat attitudinale factoren even significant zijn als demografische en vaardigheidsgebaseerde voorspellers.

3. Score-matched Vergelijkingen

De parametrische score-matching analyse onthult verschillende patronen in hoe veranderende attitudes correleren met adoptie:

• Digitale Geletterdheid: Onder jongvolwassenen is een hogere digitale geletterdheid geassocieerd met een substantiële toename in GenAI-gebruik voor mannen, maar slechts met een insignificante toename voor vrouwen. Dit suggereert dat capaciteitsopbouw alleen de genderkloof onder jongeren kan vergroten.
• Maatschappelijk Optimisme: Daartegenover staat dat een hoger optimisme over de maatschappelijke impact van AI geassocieerd is met een aanzienlijk grotere toename in adoptie voor vrouwen (14% naar 34%) vergeleken met mannen. Dit geeft aan dat voor vrouwen adoptie nauw verbonden is met de evaluatie van de maatschappelijke legitimiteit en veiligheid van AI.

Belangrijkste Bijdragen

Het artikel levert drie primaire bijdragen aan de literatuur over digitale ongelijkheid en technologie-adoptie:

1. Herformulering van de Genderkloof: Het daagt het dominante narratief uit dat de GenAI-genderkloof uitsluitend toeschrijft aan tekorten in vaardigheden, zelfvertrouwen of toegang. In plaats daarvan identificeert het maatschappelijke risicoperceptie als een kritieke gedragsmatige weg.
2. Risicosensitieve Adoptie: Het biedt empirisch bewijs dat de aarzeling van vrouwen niet noodzakelijkerwijs irrationele angst of technologische desinteresse is, maar een redelijke reactie op gedocumenteerde sociale en ethische schade (bijv. mentale gezondheid, milieukosten, bias).
3. Intersectionele Amplificatie: Het demonstreert dat de genderkloof het meest uitgesproken is, niet bij de minst geschoolde groepen, maar bij de meest digitaal vaardige en jonge cohorten die tegelijkertijd grote zorgen hebben over maatschappelijke risico's. Dit suggereert dat verschillen in vroege adoptie kunnen ontstaan voordat werkpleknormen volledig zijn gevestigd, wat langetermijnongelijkheid kan verankeren.

Betekenis en Implicaties

De auteurs stellen dat de bevindingen kritieke implicaties hebben voor beleid en organisatiestrategie met betrekking tot digitale ongelijkheid:

• Verder dan Training: Interventies die uitsluitend gericht zijn op training, digitale geletterdheid of toegang zijn onvoldoende als adoptiebeslissingen gevormd worden door zorgen over de legitimiteit en veiligheid van de technologie.
• Governance als Adoptie: Het verkleinen van de genderkloof vereist het aanpakken van de onderliggende risico's die aarzeling een rationele reactie maken. Het versterken van privacybescherming, transparantie, verantwoording en bias-mitigatie zijn geen aparte zaken van gelijkheidsdoelen; ze staan centraal in het waarborgen dat de voordelen van GenAI breed gedeeld worden.
• Herwaardering van "Risicomijdend Gedrag": Het artikel waarschuwt tegen het zien van de lagere adoptiegraad van vrouwen als een tekort dat gecorrigeerd moet worden door hen minder risicosensitief te maken. In plaats daarvan suggereert het dat onopgeloste AI-schade ongelijke toegang tot productiviteit en carrièrevoordelen creëert. Het waarborgen van een rechtvaardige adoptie vereist daarom het veiliger en sociaal responsiever maken van AI-systemen.

De studie concludeert dat het begrijpen van de gedragsdimensies van adoptie — specifiek hoe waarden en risicopercepties betrokkenheid vormgeven — essentieel is om te voorkomen dat bestaande ongelijkheden worden versterkt naarmate GenAI dieper wordt ingebed in de kenniseconomie.