林綠紅／不情願的被代理者與社會性別數據缺口：讀《被隱形的女性》
by 林綠紅
「美國詩人穆麗爾．魯凱澤（Muriel Rukeyser）的詩作〈神話〉（Myth）中，年老眼盲的伊底帕斯問斯芬克斯：『為什麼我認不出自己的母親？』斯芬克斯告訴他，當年她出謎題時，伊底帕斯回答的並非正確答案。當時她問，什麼會在早上用四腳走路，下午用兩隻腳，晚上用三隻腳走路，而伊底帕斯回答「人」。斯芬克斯解釋，『你完全沒提女人。』伊底帕斯抗議道：『人當然包括了女人，這是每個人都知道的事。』」（被隱形的女性，前言）
當人們說「人」的時候，有時也包含女人嗎？
「人當然包含女人」這是真的嗎？顯然不是如此。卡洛琳．克里亞朵．佩雷茲（Caroline Criado Perez）在《被隱形的女性：從各式數據看女性受到的不公對待，消弭生活、職場、設計、醫療中的各種歧視》一書中，從公共設施、醫療、工作場所到天災後的重建等各個面向的數據回答這個問題，她稱之為「以男性代稱整體」的現象，而我們女人就是那群被隱形在人群中不情願的被代理者，儘管我們佔了一半的人口。Perez指出，根本問題在於「社會性別資訊缺口」（gender data gap），亦即相關的資料當中，女性被排除於基礎資料之外，這裡談的不是女性的生理性別，而是社會性別。
申言之，或許有許多生理女性、男性的統計，但是常欠缺以女性社會處境為視角，檢視社會生活中的諸多問題。當然，更多時候，其實連生理性別的分析都沒有。情況有多嚴重？比爾．蓋茲（Bill Gates）與梅琳達．蓋茲（Melinda Gates）夫婦於2019年發表的公開信，特別提到「數據可能包含性別歧視」、「與女性有關的數據非常稀少，如果不知道世界上另一半的人的情況、可能發生的變化，那麼就無法做出改善，阻礙社會發展。……這個困境不僅是女性資料稀少，甚至連數據本身都有瑕疵。」數據缺乏女性的資料，或者欠缺性別分析的數據，至今已經成為無法漠視的問題。
女人並不是標準的（病）人？
《被隱形的女性》一書探討的就是缺乏女性的資料，或者欠缺性別分析，讓女人隱形，看不見女性的需求，無法矯正性別偏誤造成的不公，更遑論建構對女人友善環境的現況。
以醫療領域為例，藥物研發、疾病研究，對女人視而不見的結果，參與臨床試驗的女性受試者代表性不足，後續於藥物劑量決定、有無療效的判斷上，自然就產生「男人代稱整體」的結果，亦即，如同本書提到的「就算研究中完全沒有半個女性參與，試驗結果卻被當作同時適用於兩性，以男性受試者的療效、劑量為藥物的使用標準。然而，近年來許多研究都發現，藥物的吸收、代謝與藥物動力其實有性別差異。以市場上常見的安眠藥–佐沛眠（Zolpidem）為例，學者研究發現，此藥物在女性的血液停留的時間較男性更長，導致服藥的女性第二天還昏昏沈沈，因而發生交通事故的案件大增，2013年美國FDA基於這些原因，建議此藥物用於女人身上，劑量應減半（參閱 台灣女人健網 ）如果當時新藥臨床試驗時有足夠的女性受試者，且進行性別差異分析，眾多女性不需要等到藥物上市後，以自身安全作為代價，才發現原來此藥仿單上建議的劑量，對女性來說實在過重。
而在疾病的診斷治療上，《被隱形的女性》一書中也提到，標準病人其實是男人，而且是170公分白種男人。特別是，向來被視是「男性疾病」的心血管疾病。女人的心血管疾病的病徵與男性不相同，這「不典型」病徵，讓女性病患獲得確診的時間比男性晚許多。2014年美國的婦女團體女性健康報告中也提到，心血管疾病明明是美國女性主要的死因之一，但卻只有35％的臨床試驗受試者是女性，納入女性受試者的研究中僅31％於成果有進行性別分析。台灣則在台灣女人連線多年努力之下，女性的心血管疾病問題才受到關注。（參閱 終止心／血管健康的性別盲、Go Red, Taiwn! 看見女人「心」）
現況如此，未來會好轉嗎？我們似乎無法樂觀。特別是進入AI時代之後，數據的性別缺口、被隱形的女性數據，將會使現況的困境複製到未來。Perez在《被隱形的女性》一書提到「醫界的資料完美的呈現了長期的性別資料缺口，然而引進人工智慧協助診斷的同時，這些問題卻幾乎無人過問。這可能會造成大災難，事實上可能會致人於死地──特別是我們已經知道，機器學習（machine learning）會加深本已存在的偏誤。我們對人體的醫療知識過度偏重男性生理構造，而人工智慧的診斷不只可能醫不好女性病患，反而加劇她們的病況。」簡言之，如果女性數據繼續被隱形，醫療AI還是只會重複現況，將女人當成男人來醫治，新醫療科技的發展，將無法嘉惠女人的健康福祉。而AI在其他領域的運用，已有類似的例子可供參照，例如：以AI核發信用卡，同樣條件下，女人獲得的信用額度遠低男人，或女性求職者評分較低男性求職者等等。數據的偏誤或缺乏女性數據，從而複製了真實世界的性別盲。
讓這世界成為有女人也有男人的未來
要如何解決我們這群女人，佔了世界一半的人口，卻被視而不見的現況？《被隱形的女性》書末，提到矯正女人被隱形的問題，並不需要多困難的方法。「解決性別資料缺口的方法很明顯：我們必須先消除女性代表缺口。當更多的女性參與決策過程、學術研究、知識產業，女性就不會被人遺忘，女性的生活與觀點不再隱匿於陰影中。……事實上，答案一直都在我們面前，只是我們視而不見。『人們』所該做的只是張開口問問女人。」
以我國來說，1999年起，在當時行政院婦女權益促進委員會（行政院性別平等會前身）的要求下，參照其他先進國家的作法，開始建置性別統計，算是一個起點。雖然，離平等、友善的路還很長！或許，我們需要更多不被隱形的戰略與發聲！
延伸閱讀：
- 大數據的傲慢與偏見：一個「圈內數學家」對演算法霸權的警告與揭發
- 藥物臨床試驗缺乏女性，讓女人過度服藥
- 比爾蓋茲夫婦年度公開信揭9大體悟：廁所、教科書都需要改變！
- 蘋果卡性別歧視？ 夫妻信用額度差20倍
- 性別歧視！亞馬遜用 AI 評分履歷，看到女性就扣分是怎麼回事？
了解綠紅更多的斜槓閱讀
加重權勢性侵刑度 立委擬修法不再有以死揭露真相的受害人
勵馨：小媽媽三大困境～經濟收入、養育孩子、求職
You May Also Like
林綠紅／性別視角讀解《獨生：中國最激進的社會工程實驗》
林綠紅／從《致命廚娘：不要叫我傷寒瑪麗》反思COVID-19疫情下的病毒恐懼
