Mapping gender measurement approaches through semantic embedding and intersectionality framework reveals hidden trends
本研究通过使用十维编码框架和语义嵌入技术，首次对 28 种性别测量工具进行了定量映射，旨在揭示其结构关系，识别与特定性别构念相关的不同模式，并为临床及研究应用指导开发统一的词汇表。
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
在医学领域，医生长期以来一直依赖一个简单的生物学区别来理解健康：性别（sex）。这指的是一个人与生俱来的生理特征，如染色体和激素。然而，另一种同样强大的力量塑造了人们体验疾病和康复的方式：社会性别（gender）。性别不是一种生物学事实，而是一种社会事实，是由社会根据人们被感知的方式所分配的角色、期望和日常生活构建而成的。一个人的社会性别会影响其压力水平、职业、照护者以及他们与世界互动的方式。几十年来，医学研究经常忽略这一细微差别，将社会性别视为男性或女性之间的简单选择，或者干脆将其忽略。这种疏忽意味着，针对个人社会经验的特定症状和治疗方法经常被误标为生物学差异，或者无法得到解释。
为了解决这个问题，研究人员多年来致力于创建工具（或仪器）来更准确地衡量社会性别。这些工具本质上是关于一个人生活的调查问卷，涵盖了从职业、收入到性格特征和照护职责等各个方面。其目标是将这些复杂的社会经验转化为可以与生物学数据一起进行研究的数字。但随着这些工具数量的增加，一个新的问题出现了：没有人知道它们之间究竟是如何关联的。两个不同的工具是否在测量相同的东西？它们是否涵盖了人类经验的全貌，还是都只关注了极其狭窄的生活片段？由于缺乏比较的方法，该领域面临着变成一系列互不相连的研究、无法相互借鉴的风险。
来自德国和荷兰的一个研究小组致力于绘制这一图景。他们收集了1974年至2025年间发表的二十八种不同的性别测量工具，并不仅通过阅读问题，而是通过使用一种能够理解词义的计算机方法对它们进行了分析。想象一位图书管理员，他不仅能根据书名，还能根据书中的实际故事瞬间对成千上万本书进行分类，将讲述相似故事的书籍归为一类，即使它们的封面看起来截然不同。研究人员使用了类似的数字化方法，来观察这二十八种工具如何重叠、在哪里产生分歧，以及它们共同存在的盲点是什么。
团队发现的第一件事是，这些工具远非统一。他们发现，这些工具中所询问的问题高度集中在生活的几个特定领域。所测量的变量大多属于四个主要类别：人格与生活方式、经济地位、心理健康以及照护工作。这四个领域构成了所有二十八种工具中近百分之八十的问题。相比之下，个人身份的其他重要方面在很大程度上被忽视了。关于年龄、性身份、种族、宗教或个人世界观的问题在极少数工具中出现，且往往只是作为一种附带说明。这表明，目前的医学研究捕捉的是一种特定的、狭隘版本的性别，这种版本非常符合富裕西方国家的现状，但可能无法描述世界其他地区或具有不同生活结构的民众的现实。
当研究人员更深入地观察问题中使用的具体词汇时，他们发现存在显著的不一致性。在近四百个独特的变量中，只有二十四个出现在不止一种工具中。即便如此，措辞也经常不同；一个工具可能会询问“婚姻状况”（marital status），而另一个则询问“民事状态”（civil status），尽管两者意思相同。这种碎片化使得直接比较研究变得困难。为了解决这个问题，团队使用了一个能够理解这些不同短语含义的计算机系统。他们将问题视为句子，并计算其含义的相似度，从而允许他们根据这些工具实际想要测量的内容进行分组，而不是仅仅根据它们的标签进行分组。
这种更深层次的分析显示，这些工具自然地分成了六个不同的组别。其中一组完全侧重于人们如何表达性别身份，询问自我分类和社会呈现。另一组致力于人格特质，使用形容词列表来描述男性化或女性化的特征。第三组则严格关注社会角色，例如收入、受教育程度以及谁负责家务。其他组别则混合了这些元素，创建了将心理特质与社会因素相结合的工具，或者专注于创伤或慢性病等健康结果的工具。研究人员发现，同一组内的工具彼此非常相似，但不同组别的工具测量的往往是完全不同的东西。例如，一个旨在测量人格特质的工具，不能与一个旨在测量经济地位的工具互换使用，即使两者都被贴上了“性别测量”的标签。
研究还强调了显著的地理偏差。几乎所有的工具都来自欧洲和北美，特别是高收入国家。这意味着所询问的问题反映了这些地区的社会结构，例如正式就业和特定类型的家庭安排。研究人员指出，这些工具在劳动市场、家庭构成或收入衡量方式不同的地方可能无法适用。此外，他们发现极少有工具是设计用于常规医院环境的。大多数工具需要医生通常不会收集的数据，例如关于患者童年或特定社会习惯的详细调查，这使得将这些见解应用于日常医疗护理变得困难。
或许最重要的发现是，该领域一直在缺乏统一语言的状态下运行。研究人员表明，虽然存在许多工具，但它们并没有形成一个单一、凝聚的系统。相反，它们是各具特色且带有各自侧重点的零散集群。通过绘制这些关系，该团队提供了关于这些仪器如何趋同与分歧的首个清晰图景。他们证明，要向前发展，医学界需要停止将性别视为一个单一的勾选框，而应开始承认它是一个复杂的多维体验。这项工作表明，在医生能够在临床上可靠地使用性别评分之前，该领域必须达成共识，建立一套更丰富、更多元的词汇，以捕捉人类生活的全貌，而非仅仅是那些能够整齐地填入二元框架中的部分。这种绘图并非最终解决方案，而是建立共同理解的必要第一步，旨在最终帮助医学实现对“完整的人”的观察。
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。