Examining the Appraisers' Role in Redlining through Historical Appraisal Narratives
本研究利用自然语言处理和地理信息系统，旨在展示 20 世纪 30 年代住房贷款评级委员会（HOLC）评估叙述中的主观种族偏见是如何使红线政策制度化，并由此在昔日遭受红线政策影响的社区中造成了持久的经济差异和财富不平等，且这种现象在当代的房地产评估中依然存在。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
过去的隐形墨水
想象一下，你正在试图弄清楚为什么城市中的某些社区正因新的咖啡馆和公园而蓬勃发展，而就在几英里之外的某些社区却似乎停滞在了时间里，挣扎于空置的土地和较低的房屋价值。这仅仅是运气不好吗？还是说，历史早已被写进了这些街道之中？这个问题处于历史、经济学和计算机科学的交汇点。要理解它，我们需要了解三件事：红线政策（Redlining），这是20世纪30年代的一种做法，当时银行在地图上画线，将某些社区标记为贷款“高风险”区域，其依据往往是居住在那里的人群，而非房屋本身的质量；评估（Appraisals），即专家为了决定一栋房子或一个社区价值多少而撰写的官方报告；以及自然语言处理（NLP），一种让计算机能够阅读并理解人类文本、捕捉人类可能忽略的词汇模式的人工智能技术。为什么这很重要？因为我们今天衡量房屋价值的方式正在构建我们的未来财富。如果过去用于衡量房屋价值的规则带有偏见，那么这种偏见可能仍隐藏在系统中，悄无声息地塑造着谁能致富，而谁又会被遗留在后。
侦探工作：揭开隐藏的词汇
在这项研究中，研究员琳达·卢伯特（Linda Loubert）扮演着数字侦探的角色，在成千上万份来自20世纪30年代陈旧的文档中寻找线索。她正在调查一个具体的问题：评估师用来描述社区的词汇，是否真的有助于造成我们今天看到的经济差距？
回到20世纪30年代，一个名为住房贷款公司（HOLC）的政府机构派遣评估师对社区进行等级评定，从A级（最好的，“绿色”区域）到D级（最差的，“红色”区域）。这些等级决定了谁可以获得抵押贷款，谁不能。但评估师不仅仅是给出一个字母等级；他们还必须写一段故事来解释为什么。他们在名为“不利影响”（Detrimental Influences）的部分填写表格，列出他们认为该社区存在的问题。
卢伯特收集了7,000多份这样的旧表格。她无法逐一阅读它们，因此使用了一个名为 RoBERTa（一种人工智能类型）的超级智能计算机程序来帮她阅读。把RoBERTa想象成一个机器人图书管理员，它可以秒速扫描数千本书，然后告诉你：“嘿，在这500本书里，‘种族’这个词频繁出现；而在那200本书里，他们一直在谈论‘旧建筑’。”
计算机将评估师的评论分成了不同的类别，如“种族与阶级关注”、“靠近工业区”、“基础设施老化”以及“环境危害”。随后，卢伯特将这些旧词汇与这些社区今天的现状进行了对比。她为每个区域创建了一个“红线韧性得分”（RRS），这就像是一份成绩单，衡量一个社区目前在收入、教育和房屋价值方面的表现。
线索揭示了什么
结果令人震惊。研究发现，评估师在20世纪30年代所写的词汇，至今仍与社区现状息息相关。
首先，“等级”本身很重要。那些在当年被评为“D”（红色）级的社区，其如今的表现仍然逊于那些被评为“A”（绿色）级的社区。但转折在于：评估师所写的词汇也具有显著影响，尽管其影响力不及最低等级的影响那么大。
当计算机查看“不利影响”部分时，它发现，那些被用负面语言描述种族与阶级问题（如提到“黑人渗透”或“不和谐的种族群体”）或靠近工业区（靠近工厂）的社区，如今的韧性得分都明显更低。事实上，关于“靠近工业区”的负面影响几乎与获得“B”级等级带来的惩罚一样严重，尽管“D”级等级带来的惩罚仍约为这些特定词汇惩罚的2.7倍。
研究表明，评估师不仅是在描述社区，他们还在制造陷阱。他们利用语言，将对种族和阶级的感性认知转化为官方的政府规则。例如，如果一名评估师写道某个社区拥有“不受欢迎的元素”，那么这个短语就成为了拒绝贷款的理由。经过几十年的时间，这种资金的匮乏意味着这些社区无法修理屋顶或建设新学校，从而导致了我们今天看到的贫困。
研究还探讨了这究竟是关于官方等级的问题，还是评估师讲述的“故事”才是真正的元凶。答案是复杂的。等级设定了规则，但评估师的文字提供了支撑这些规则的“脚手架”。当研究在不考虑等级的情况下观察这些词汇时，负面语言强烈预示了较低的财富水平。然而，当研究在同一分析中纳入官方等级时，某些类别的词汇的独立效应变得小了很多。这表明，偏见不仅存在于最终的字母等级中，它也被刻入了用来证明等级合理性的语言之中，但等级本身在决定长期结果方面承载了最大的权重。
大局观
本文并不声称红线政策是导致今日不平等的唯一原因，但它证明了评估师在20世纪30年代如何描述社区的行为，帮助锁定了这些不平等。这就像如果一位老师在学生的成绩单上写道：“这个学生之所以不够聪明是因为他们的背景”，然后在接下来的90年里，每一位老师都仅仅因为那张旧便条而拒绝给这个学生学习的机会。
这项研究表明，旧地图上的“红线”不仅仅是线条；它们是用带有偏见的墨水写成的故事。不幸的是，这些故事至今仍在我们的城市中回响，阻碍了一些社区的发展，同时让另一些社区得以繁荣。研究表明，要解决这些问题，我们不能只看数字；我们必须理解我们描述社区时所使用的词汇，因为这些词汇拥有塑造我们未来的力量。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。