性别和性别分析可以改善科学和工程

将性别和性别分析整合到相关的研究设计中，可以导致发现和改进研究方法。例如，对免疫中性别差异的遗传和激素介导基础的更深入了解，有望为新的癌症免疫疗法提供见解¹．有证据表明，面部识别系统对肤色较深的女性比对肤色较浅的男性更容易错误地划分性别，这导致了计算机视觉的改进²．了解基于性别的对气候变化的反应，可以更好地模拟海洋生物的人口变化及其对人类的下游影响^3.，4．性别或性别分析对于研究结果的解释、验证、可重复性和可推广性至关重要(方框)1)．

性别和性别分析在研究中的重要性已被证明，这为主要资助机构的政策变化提供了保障。加拿大卫生研究院(2010年)、欧洲委员会(2014年)、美国国立卫生研究院(2016年)、德国研究基金会(2020年)等机构实施了新政策。与此同时，同行评议期刊已经实施了编辑指南，以评估性别和性别分析的严密性，作为选择发表稿件的众多标准之一。目标是增加透明度，促进包容性，并重新设定研究默认值，在适当的情况下仔细考虑性别和性别。

从这个角度来看，我们将讨论如何将性别和/或性别分析纳入研究，以提高可重复性和实验效率，有助于减少偏见，实现科学成果的社会平等，并促进发现和创新的机会。从突出的例子中，我们提取了跨学科研究人员的决策树路线图。我们考虑性别和性别分析的局限性，并就如何推动该领域向前发展向研究人员和资助机构提供建议。在整个视角中，我们探索如何将性别和性别分析整合到研究设计中，有可能提供新的视角，提出新的问题，重要的是，通过确保研究结果适用于整个社会，增强社会平等。

可重复性对科学的卓越性很重要。实验缺乏可重复性的一个重要原因是方法报告的不一致，从生物学到化学、人机交互、医学、物理学、心理学等学科，方法报告的差异很大^5，6．在一系列科学学科中，针对性别和性别的报告仍然有限。在临床前微生物学和免疫学领域，对已发表的使用来自不同动物物种(即人类和非人类脊椎动物)的原代细胞的研究进行了回顾，发现大多数研究没有报告从细胞中分离出的供体的性别^7，8．在海洋科学领域，对实验性海洋酸化研究的回顾表明，只有3.9%的研究在统计上评估了基于性别的差异，而只有10.5%的研究通过独立评估女性和男性来考虑可能的性别影响⁹．同样，在生态毒理学中，一项组学研究综述显示，尽管大多数研究报告了性别，但只有23%(22个中有5个)研究了每种性别对毒物的组学反应¹⁰．在社交机器人领域，机器人性别、性别刻板印象领域及其与用户性别的交互作用直到最近才成为科学研究的目标¹¹．性别和性别相关变量的报告缺乏透明度，使得很难重现这些变量影响实验结果的实验。

分解数据

按性别和/或性别分析实验结果对于提高准确性和避免数据误读至关重要(图2)。1)．将女性和男性或女性和男性的反应集中在一起的常见做法可以掩盖性别差异。例如，桡足类动物，一种小型水生甲壳类动物。未能按性别分列和分析数据会导致错误的解释\ (p {} _ {{{rm \{有限公司}}}_ {2}}\)对呼吸没有明显的生物学影响(图;1 b)．相比之下，按性别分类的数据揭示了女性和男性在呼吸频率增加时的重要性别差异\ (p {} _ {{{rm \{有限公司}}}_ {2}}\)水平¹²．

人类研究也是如此。使用数据池会产生不准确的结果。在一项人机实验中，人们被要求触摸或指向一个59厘米长的NAO机器人的解剖区域。当被要求触摸可触及的区域(如手和脚)时，几乎没有生理反应;当被要求触摸难以触及的区域(如机器人的塑料臀部或生殖器)时，人类参与者的心率和血压都增加了¹³．实验招募了同等数量的女性和男性;然而，这些数据并没有被分解或单独分析。我们知道，人类社会接触的规范因参与者的年龄、性别认同和文化背景，以及接触的社会背景和目的而异¹⁴．如果结果不按这些变量分层，就会错失机会，无法更清楚地了解它们对人类判断和行为的影响。

可变性、样本量和相互作用

科学家们错误地认为，女性应该被排除在实验之外，因为生殖周期导致的数据的不确定性¹⁵．事实上，研究表明，由于睾丸激素水平的波动和其他因素(如动物群体笼养)，男性在特定特征上表现出与女性相同或更大的变异性¹⁶．对微阵列数据集的分析揭示了类似的发现，在小鼠和人类中，女性在基因表达的测量上并不比男性更不稳定¹⁷．考虑性别和性别可以提高发现有意义的影响的可能性，阐明无法解释的变异，并有可能减少确定趋势或做出突破性发现所需的实验总数。在对来自人类和小鼠的11个蛋白质组学数据集的荟萃分析中，性别解释了所观察到的复杂蛋白质丰度和化学计量变化的13.5%，甚至超过了其他环境因素，如饮食¹⁸．

从表面上看，在一项研究中包括女性和男性，女性和男性，需要将实验参与者的数量增加一倍。然而，情况并非总是如此。更有效的实验设计可以兼顾性别和性别，同时保持对方差的控制¹⁹．析因设计，即测试两个具有多个水平的实验因素，并在所有可能的因素和水平组合中收集数据，就是这样一种策略。这使得每个因素的影响都可以被测试，以及因素水平之间的相互作用。对于这种情况，样本容量可能需要稍微增加14-33%，以考虑到估计的额外参数，但根据考虑相互作用影响的样本容量计算器，它们不需要增加一倍^20.，21．按性别分析数据可以提高发现有意义效应的可能性，从而有助于减少混淆、提高可重复性和减少所需实验的累积次数。

许多相互作用，如研究参与者的性别相互作用，也可能影响结果。在动物研究中，雌性和雄性通常在实验室中被分开研究。然而，在野外，两性共存——它们的相互作用会影响研究结果。最近关于线虫寿命的研究，秀丽隐杆线虫研究发现，男性的存在加速了异性个体(在这种情况下，雌雄同体)的衰老。换句话说，在有男性存在的情况下，雌雄同体的人会在更年轻的时候死亡。研究人员将这种“雄性导致的死亡”追溯到雄性释放的信息素，发现它可以在不交配的情况下发生，只需要将雌雄同体暴露在雄性曾经存在的介质中²²．忽视这种相互作用可能会导致对野生物种生存能力的不完全理解。

其他的互动集中在研究人员的性别和对研究参与者的潜在影响。在社会科学中，人们早就认识到，一个观察者的存在就能改变被观察者的反应，无论是在实地还是在实验室实验中²³．在量子力学中，观测行为可以通过折叠波函数来改变现象。同样，在动物研究中，实验者的性别也会影响研究结果。一项关于疼痛的研究表明，当有男性实验者在场时，与有女性实验者在场或在空房间时相反，大鼠和小鼠没有表现出疼痛。雌性和雄性小鼠都表现出这种“男性观察者”效应，但雌性小鼠表现得更明显。研究人员确定，小鼠对男性相关的嗅觉刺激有反应²⁴．作者认为，不控制实验者的性行为会对之前发表的许多关于疼痛研究的研究提出质疑。

这类互动的许多其他例子——对研究中的卓越和发现至关重要——可以讨论。然而，在这里我们想包括一个值得注意的进一步的相互作用，即研究人员的性别和所进行的研究类型。两项研究提供了令人信服的证据，表明在生物医学、临床和公共卫生研究中，处于领导地位的女性(第一和最后一名作者)更有可能在已发表的研究中分析性别和性别^25，26．然而，这种动态还没有在其他研究领域得到复制，如计算机科学、工程学或物理科学。

忽视性别和性别分析可能导致不准确、研究效率低和难以概括结果。将性和性别分析纳入研究可以为发现和创新打开大门。

一种流行的假设是，性别是在出生前由基因决定的二元特征，并且在一生中是固定的^27，28．生物学中常用的模式生物，比如老鼠，黑腹果蝇而且秀丽隐杆线虫，强化这些观念。然而，性别可以是高度可塑的，例如，研究与环境的相互作用，已经导致了对全球气候变化背景下性别决定机制的新理解。

人口的性别比例影响其对环境干扰的抵御能力。因此，决定性别的机制是预测种群生存能力的一个重要考虑因素^29，30.．在大范围的环境中，提高对越来越多物种的性别分析能力，可能会提高我们准确模拟气候变化影响的能力。

气候对海洋的影响

对于依赖温度来决定性别的物种来说，快速的全球变暖对性别比例和人口稳定构成了威胁。海龟是性别由温度决定的研究最广泛的物种。利用非侵入性内分泌标志物区分雌性和雄性幼年绿海龟的能力，使人们发现全球变暖对种群性别比例产生了负面影响。例如，来自较温暖的大堡礁北部地区的海龟，雌性的性别比例为99%，而较冷的南部地区的雌性幼崽比例为68%^3.．同样，在性别取决于温度的鱼类物种中，预计到本世纪末，变暖将导致男性倾斜的种群(高达3:1的男性:女性)²⁸．这种性别平衡的变化会限制配偶的选择，降低生殖能力，破坏种群的生存能力^31，32．

变暖不是孤立发生的，而是在海洋环境人为干扰的背景下发生的，其中包括栖息地破坏、污染和过度捕捞。在越来越多的物种中，初级性别分化已被证明对这些环境因素的不同范围作出反应。例如，缺氧导致斑马鱼雄性比例更高³³．同样，海洋酸化在一个世代周期内导致雌性牡蛎增加16%⁴，水中pH值的增加导致雌性慈鲷的数量增加³⁴．越来越明显的是，性别比例的改变——无论是向哪个方向——都会导致人口对进一步的干扰抵抗力下降，并可能导致人口崩溃^35，36．

社会组织也会影响人口性别比。许多非人类物种发展出复杂的社会组织，性别决定可以通过社会调节。例如，小丑鱼是雌雄同体的(成熟时为雄性;它们生活在一个严格的社会等级制度中，上层的雌性具有统治地位，繁殖能力强，与社会群体中的雄性交配;所有剩下的个体仍然是未成熟的少年。除去女性领袖后，男性领袖的性别会转变为女性，所有的下属都会在社会等级中上升一级³⁷．相比之下，许多石斑鱼(寿命长、价值高的珊瑚礁物种的一个亚科)是雌雄同体的(它们成熟时为雌性;有些改为男性)。庞大的优势雄性控制了具有强性选择的雌性群体，导致这些雄性获得了最大的繁殖成功。这些连续雌雄同体的个体在改变性别后始终能产生更多的后代，并享有更大的繁殖成功³⁶．因此，性别变化的时间和方向是决定变性生物对干扰的种群恢复力的关键物种特异性因素。

对这些和其他生态学上重要的基于性别的响应的机制理解，可以在种群水平上更准确地模拟环境变异、气候变化或人为干扰(例如，过度捕捞)的影响。气候变化压力源对性别决定机制的性别特异性影响，特别是在商业上重要的物种中，对人类在水生食物生产、生态系统服务和生物多样性方面具有潜在的重要影响。将性别分析纳入海洋科学和更广泛的自然科学，可以提高研究的卓越性和发现的机会。

靶向人体疗法

性别分析还揭示了人类药物开发的机会。在疼痛和抑郁领域，分子途径的性别差异的发现为靶向治疗提供了新的方向³⁸．使用实验小鼠慢性疼痛模型的疼痛研究表明，雄性和雌性小鼠以类似的方式退出疼痛刺激，除非小胶质细胞的作用受到抑制³⁹．小胶质细胞是一种专门存在于脊髓和大脑中的免疫细胞。小胶质细胞的抑制剂降低了雄性小鼠的痛觉，而不是雌性小鼠，这强调了性别依赖的分子疼痛途径的潜在重要性。抑郁症小鼠模型也显示出大脑中性别差异的网络，在男性和女性中，压力诱导的基因调控模式不同⁴⁰．这些发现现在已经在人类死后组织中重现，并可能为为什么患有重度抑郁症的男性和女性对抗抑郁药物的治疗反应不同提供见解⁴⁰．

尽管针对性别的剂量很少，但已经有一些存在。去氨加压素就是这样一种药物，它可以激活肾脏中的抗利尿加压素受体来调节水的稳态。因为精氨酸抗利尿激素受体的基因在X染色体上的一个区域被发现，这个区域很可能会逃脱X染色体失活，所以女性对抗利尿激素的抗利尿作用比男性更敏感，男性只有一条X染色体，因此每个细胞只有一个抗利尿激素受体基因副本⁴¹．因此，服用去氨加压素的老年女性比男性更有可能经历血液中钠浓度的降低，这对应于女性更高的副作用发生率。为了避免不必要的伤害，欧盟和加拿大都建议老年妇女服用低剂量的去氨加压素。

甚至癌症免疫治疗也受益于对先前承认的遗传和激素介导的免疫性别差异的更深入理解。接受检查点抑制剂治疗的黑色素瘤或肺癌患者，其反应因性别而异，男性患者成功缓解的比例高于女性患者¹．检查点抑制剂旨在击败癌细胞的防御策略，刺激自然杀伤细胞攻击肿瘤细胞。自然杀伤细胞对雌激素和睾酮敏感，这可能解释了这些观察到的性别差异。了解潜在的机制将使我们能够微调未来的治疗方法⁴²．

随着新的计算生物学和统计遗传学软件促进了复杂疾病中x染色体相关表达的探索，我们期望看到生物医学发现的指数级增长⁴³．直到最近，性染色体被排除在大多数全基因组关联研究之外，因为在女性中很难区分活跃和不活跃的X染色体，而且染色体大小不匹配^44，45X染色体有1669个已知基因，而较小的Y染色体只有426个。在全基因组关联研究中纳入性染色体，以及在研究中纳入和分析足够数量的女性和男性细胞、组织、动物和人类，将扩大我们对某些疾病对女性和男性影响不同的原因的理解，以及我们如何调整挽救生命的疗法以适应他们的特定需求。

工程中一个经常被忽视但至关重要的组成部分是了解正在开发的技术的更广泛的社会影响，并确保技术通过使不同的人群受益来增强社会平等。当研究人员没有考虑到人类的偏好和假设是如何有意识或无意识地构建在科学或技术中时，人类的偏见和刻板印象可能会持续存在，甚至被放大。性别规范、种族和其他生物和社会因素在一个强大的文化反馈循环中塑造了科学和技术，并被其塑造⁴⁶．本节讨论了产品设计、人工智能(AI)和社交机器人的例子，以说明性别和性别分析如何提高工程的卓越性。

设计更安全的产品

如果产品是根据男性标准设计的，那么女性和身材矮小的人就有可能受到伤害。机动车安全系统就是这样一个例子。由于历史上男性司机在交通数据中所占比例过高，因此安全带和安全气囊的设计和评估主要集中在典型男性乘员的人体尺寸、损伤容忍度和受影响身体区域的机械反应方面。在1998年至2008年间，美国全国汽车事故数据按性别进行了分析，数据显示，在控制体重和体重后，在类似的事故中，系安全带的女性司机遭受严重伤害的几率比系安全带的男性司机高出47%⁴⁷．随后，虚拟女性车祸假人的引入使得数学模拟能够解释加速对性别特异性生物力学的影响，这突出了在监管安全测试中添加一个中型女性假人模型的必要性^48，49．除了汽车安全系统，人体测量特征的重要性，如肘部的携带角度或人类膝盖的形状和大小，可以用于指导人工关节、假肢和职业防护装备的性别特异性设计^50，51．

减少人工智能领域的性别偏见

关于算法偏见的令人担忧的例子有据可查⁵²．在翻译与科学、技术、工程和数学(STEM)领域相关的中性语言时，谷歌Translate默认使用男性代词⁵³．当照片描绘出一个男人在厨房里时，自动图像配图算法会系统地将这个人误认为是女人⁵⁴．随着人工智能在日常生活中越来越无处不在，这种偏见如果不加以纠正，可能会放大社会不平等。了解性别在算法上下文中是如何运作的，有助于研究人员就他们的工作如何在社会中发挥作用做出有意识的决定。

自第二次世界大战以来，医学研究一直接受严格的审查程序，目的是保护参与者免受伤害。人工智能有可能大规模影响人类生活，但尚未得到如此仔细的研究。许多组织都明确阐述了以人为本的人工智能的“原则”。最重要的是，其中包括由国际商定的人权法律和标准组成的联合国人权框架，以及“阿西洛玛人工智能原则”、“谷歌人工智能:我们的原则”、“人工智能伙伴关系”等。我们缺乏的是技术人员将这些原则付诸实践的机制。在这里，我们将深入研究一些快速发展的人工智能机制。

算法偏见的第一个挑战是确定算法何时适合使用性别信息。在某些情况下，例如招聘广告的分配，算法可能需要明确忽略个人的性别以及体重等特征，这些特征可能与性别相关，但与工作表现没有直接关系。在其他应用中，如图像/语音识别，可能需要利用性别特征来实现所有亚人群的最佳准确性。到目前为止，算法公平还没有统一的定义^55，56，57最好的方法是了解每个应用领域的细微差别，让算法决策的部署变得透明，并了解偏见是如何产生的⁵⁸．

训练数据是算法中潜在偏差的来源。在用于训练机器学习算法的数据中，某些亚群体(如肤色较深的女性)的代表性往往不足，目前正在努力从这类群体收集更多数据²．为了突出机器学习数据中代表性不足的亚群体的问题，研究人员设计了“营养标签”来捕获关于数据集如何收集和注释的元数据^59，60，61．有用的元数据应该总结数据集中参与者的性别、种族和地理位置等统计信息。在许多机器学习研究中，训练标签是通过众包收集的，它也有助于提供关于人群标签者的人口统计数据。

另一种评估算法中性别偏见的方法是反事实分析⁶²．以谷歌搜索公司为例，在该公司，男性得到高薪高管职位广告的可能性是女性的五倍⁶³．该算法决定在哪个广告中输入有关进行查询的个人的特征，并输出一组预测相关的广告。反事实将通过改变数据中每个人的性别来测试算法，然后研究预测是如何变化的。如果仅仅把一个人从“女人”变成“男人”就能系统性地获得更高薪酬的招聘广告，那么这个预测器确实是有偏见的。

消除词嵌入偏见的工作是反事实分析的另一个例子⁶⁴．词嵌入将每个英语单词与一个特征向量相关联，以便特征向量之间的几何图形捕获单词之间的语义关系。它在实践中被广泛应用于情感分析等应用⁶⁵、语言翻译⁶⁶电子健康记录的分析⁶⁷．先前的研究表明，性别刻板印象——例如，男性更有可能是计算机科学家——在相应词语的特征向量中表现出来⁶⁴．这种人与计算机之间的联系是否有问题，取决于这些特征的应用。为了测试性别影响，研究人员创建了中性词汇特征。对于每个下游应用程序，可以通过运行应用程序两次来执行反事实分析，一次使用原始单词特征，一次使用中性特征。如果结果发生变化，算法会对性别敏感。在一些应用程序中，比如求职，使用中性特征可能更可取。

另一种量化和减少算法中的性别偏见的方法被称为多精度审计^68，69．在标准机器学习中，目标是最大限度地提高整个群体的总体准确性，这由训练数据表示。在多精度中，目标是确保算法不仅在总体上表现良好，而且在特定的亚人群中表现良好，例如“亚洲老年男性”或“美洲土著女性”。多精度审计员采用复杂的机器学习算法，系统地识别当前算法是否对任何子种群犯了更多错误。在最近的一篇论文中，对用于面部识别的神经网络进行了审计，并确定了对深肤色女性图像做出反应的人造神经元的特定组合是造成错误分类的原因⁷⁰．

审核员还会在发现此类偏差时提出改进建议⁷¹．尽管在所有人口统计群体中实现相同的准确性可能并不总是可行的，但这些审计技术通过量化人工智能系统在种族、年龄、性别和这些属性交叉点上的性能变化，提高了人工智能系统的透明度。

这些只是计算机科学家正在开发的一些具体技术，以促进算法中的性别公平。其中一些，比如数据检查，与收集和分析大数据的所有学科都相关。还有一些是专门针对机器学习的，目前机器学习已广泛应用于从人文学科到社会科学、生物医学和司法系统等广泛的智力领域。在所有情况下，重要的是要完全透明地使用人工智能系统的位置和目的，并根据性别和性别来描述系统的行为⁷²．

打击的刻板印象

分析软件系统中的性别是一个问题;在硬件(比如社交机器人)中配置性别是另一个问题，也是本节的重点。直到最近，机器人还主要局限于工厂。大多数人从未见过这些机器人，也从未与它们互动过;它们的长相、声音和行为都不像人类。但工程师们越来越多地将机器人设计成服务机器人，在医院、老年护理机构、教室、家庭、机场和酒店协助人类工作。社会人机交互领域研究了“性别化”机器人、虚拟代理或聊天机器人何时以及如何提高可用性，同时考虑何时以及如何避免可能加强潜在有害性别刻板印象的过度简化⁷³．

原则上，机器是不分性别的。然而，性别是人类印象形成中的一个核心社会类别，很容易适用于非人类实体⁷⁴．因此，用户可能会有意识或无意识地将机器性别化，作为将其拟人化的功能，即使设计师打算创建中性设备^{75，76，77，78}．

人格化的技术可能会帮助用户更有效地参与其中，这就提出了一个问题，即通过将性别构建到虚拟代理中来利用社会刻板印象的力量是否有益^{79，80，81，82，83},聊天机器人⁸⁴或者社交机器人^11，85，86．例如，如果机器人专家将女性护理机器人部署在女性典型的角色上，比如护理，用户会更好地遵守机器人每天服药或锻炼的要求吗?性别机器人或虚拟代理是否有助于互动或提高客观结果，如表现^{11，80，81，82，83，84，85，86，87，88，89，90，91}？按性别个性化机器人或聊天机器人会提高消费者的接受度，甚至提高销售数字吗?需要系统的实证研究来解决这些开放的研究问题。

是什么特征让人类判断机器人的性别?到目前为止，旨在分析机器人性别的实验研究已经通过多种方式操纵了性别，包括:(1)选择一个男性或女性名字来标记机器人^{87，88，89，90，91，92}；(2)对机器人进行颜色编码^93，94；(3)通过操纵性别的视觉指标(例如脸、发型或唇色)^94，95）;(4)通过加入男声或女声，或低音或高音来分别模拟这个^{87，88，89，90，91，92，94，96，97}；(5)通过设计性别化的人格^87，98；(6)将机器人部署在性别刻板的领域，例如在安全领域使用男性声音的机器人，在医疗保健领域使用女性声音的机器人⁹⁵．其他方面，如动作或手势，可能会导致机器人性别分化，仍然需要实证研究^85，86．

但这里也存在危险。一旦设计师或用户给机器指定了性别，刻板印象就会随之而来。机器人和人工智能的设计师不仅仅是创造出反映我们世界的产品，他们还(也许是无意中)加强和验证某些被认为适合男性、女性或性别不一致的人的性别规范^11，73．

诱导对技术的性别感知意味着积极地在机器中设计人类的性别偏见，包括男性或女性的二元性别构建。从社会心理学的角度来看，这可能会导致社会中刻板的性别规范⁹⁵．尽管从工程学的角度来看，这似乎无关，但社会心理学研究表明，例如，拥有女性外表的机器人可能会延续女性的养育和公共观念，这些特征与女性的刻板印象有关⁹⁵．因此，女性机器人可能会被认为是温暖的，特别适合做刻板的女性任务，比如照顾老人，或者它可能会被公开的性化和物化，就像最近定性研究中对女性机器人视频剪辑的辱骂评论所揭示的那样⁹⁹．同样，具有女性名字、声音和刻板顺从行为的虚拟私人助理，如Siri或Alexa，代表了对女性的异性恋观念，从而间接加剧了社会对女性的歧视^{One hundred.，101}．在这方面，一个有趣的发展是丹麦最近开发的无性别声音Q，它克服了这种偏见¹⁰²．

关于这些特性还有很多问题。例如，年龄或性别等用户属性如何与不同的机器人设计功能交互?机器人如何增强或损害现实世界中与社会平等相关的态度和行为?机器人性别如何在不同文化中引发不同的反应?需要进行更多的实验、实验室和纵向实地研究，以测试机器的性别化、性别多样化或中性的外观或行为是否以及如何影响人类的情感、认知和行为。由于拟人化人形机器人的相对自动性质，即使是设计为无性别或中性的社交机器人也可能会引起性别归属。此外，当潜在终端用户可以选择数字助理的性别时，他们的选择可能会受到自己的性别认同以及与性别相关的态度和刻板印象的驱动。解决这些研究问题和问题对于阐明新技术的隐式或显式设计选择的心理、社会和伦理影响仍然很重要。

开发能够增强(或至少不会损害)社会平等的技术，将需要新颖的研究人员配置。跨学科研究的需要得到了高度重视，包括人文学家、法律专家、技术专家和社会科学家，特别是在以人为本的人工智能领域。然而，大学的历史发展在19世纪和20世纪人为地将人类知识划分为学科，这可能不支持当前的研究需求。研究机构现在需要开发强有力的机制，以严格解决社会新需求的方式，将社会分析和工程结合起来¹⁰³．

为了充分发挥性别和性别分析在发现和创新方面的潜力，重要的是从一开始就将相关的性别和性别分析整合到研究设计中。许多科学和工程研究都是路径依赖的:一旦研究设计好了，就很难改变。同样重要的是要理解，性别和性别是需要纳入研究过程的分析类别或变量(或控制)，但不需要成为研究的主要焦点。性别和性别分析也不会与所有类型的研究相关。作为分析性别的决策树(图;2)和性别(图;3.)表明，在研究人员考虑了性别和/或性别，但判断该分析与特定假设无关的情况下，他们可能会将其排除。此外，如果研究人员预期性别或性别很重要，但没有发现显著差异，这可能代表一个值得发表的结果。报告发现性别或性别相同、重叠或无差异的案例可能是一项重要发现。

从这个角度来看，我们通过具体的案例研究和例子，强调将性别和性别分析设计到研究中的必要性和前景。从这些，我们提取了分析性别的关键考虑因素(图。2)和性别(图;3.)．这些是跨学科的一般性建议。然而，未来5年还需要更多的相关研究。首先，通过跨学科工作，研究人员需要细化和标准化跨领域的性别和性别分析通用方法。其次，通过特定学科的工作，研究人员需要在自己的子领域中为研究设计和数据分析制作最先进的分析方法。欧洲联盟委员会目前正在资助一个专家小组，寻求根据具体领域的协议制定性别和性别分析方法¹⁰⁴．

未来的挑战

在基础化学、纯物理学、地质学或天文学等物理科学中，我们还没有关于性别和性别分析的结果。许多工作已经分析了这些领域文化中的性别参与差距和性别偏见，但人们的注意力还没有转向研究本身如何应对性别分析。随着物理科学研究的应用越来越广泛，性别和性别分析也变得越来越重要——例如，在气溶胶化学研究中，性别差异决定吸入率，性别差异影响接触率¹⁰⁵．

对性和性别分析领域本身来说，仍然存在一些方法上的挑战。尽管性别分析方法已经取得了进展¹⁰⁶在美国，我们缺乏在许多非模式生物中进行性别鉴定的非侵入性方法，在这些非模式生物中，性形态二态性不容易被检测出来。技术的进步通过遗传的发展¹⁰⁷,代谢组¹⁰⁸和内分泌^3.在发展的所有阶段，非模式物种都需要生物性别标记，这一努力将得益于组学方法的创新和可承受性的提高。还需要注意将动物物种的证据转化为人类，因为在许多情况下，在人类身上观察到的分子性别差异可能无法反映在非人类哺乳动物身上¹⁰⁹．

尽管在科学和工程领域，性别作为一个生物变量被越来越多地理解¹¹⁰但在美国，作为文化变量的性别却并非如此。性别是复杂而多维的(Facebook在2014年引入了58个性别类别¹¹¹)和在技术领域的应用，往往需要与社会科学家合作，以了解特定项目的性别相关方面。即使在卫生研究中，我们也缺乏评估性别与健康关系的系统措施，因为性别不容易简化为可以在统计上操纵的变量。最近的两项研究试图纠正这一问题。第一项研究使用了由七个变量构建的二元性别指数(男性与女性)，发现青年人急性冠状动脉综合征诊断后12个月的复发率和死亡率与性别有关，特别是与生理性别无关¹¹²．斯坦福大学正在开展的第二项研究旨在通过确定与健康研究相关的理论上强有力的性别相关变量，更好地捕捉性别的多向度。这项研究基于美国的数据，需要确定适合特定文化背景的新变量。制定性别衡量标准显然是一个需要进行更多研究的领域。

其他方法上的挑战包括在性别和性别分析中超越二元——女性和男性，女性和男性。以性别API算法为例，它允许社会科学家理解研究模式中的性别差异。该算法只识别二进制:女性/男性;女人/男人。在美国，0.6%的人口——近200万人——认为自己是跨性别者¹¹³超过15个国家在法律文件、出生证明和护照上提供第三性别类别。研究需要跟上社会变化的步伐。同样，考虑到缺乏关于雌雄同体动物如何应对环境变化的研究。在生殖成熟个体同时具有雄性和雌性配子的同时雌雄同体中，有必要考虑男性或女性组织在决定整个有机体反应中的作用。相比之下，在连续改变性别的雌雄同体中，考虑到这个过程是动态的，行为、内分泌和遗传系统在明显不同的时间尺度上切换性别，有必要考虑一个生物在性别改变过程中是作为女性还是男性对环境压力做出反应¹¹⁴．

其他挑战包括解释其他社会变量，如年龄、种族和地理位置，以及这些变量如何与性别和/或性别交叉。性别不能从其他特征中分离出来，我们需要模型系统和交叉方法来理解这些相互关系¹¹⁵．人类研究中的交叉方法强调了揭露和纠正重叠和相互依存的歧视系统的重要性，这些系统通常构建在知识、项目和政策中。例如，只有在关于资源的公正决策考虑到具有多重身份特征的男女的生活经历时，才能实现对全球卫生的惠顾，这些人在获得食物和水、数字技术和医疗保健服务方面同时遭受种族、阶级、教育、经济和文化权力不平衡¹¹⁶．

科学政策

政策是发现和创新的一个驱动力，可以在科学和技术中实现性别和性别分析。为了推进严格的性别和性别分析，学术研究的三大支柱需要实施环环相环的政策:资助机构、同行评审期刊和大学(图2)。4)．

政府主导的资助机构已经率先要求申请人解释性别和性别分析如何与他们拟议的研究相关，或者解释不相关(有关机构和政策的列表，请参阅补充信息部分)1)．加拿大卫生研究所显示，2010年，在要求申请人声明在提案中是否考虑到性别和/或性别，并证明排除的合理性之后，申请人的接受度很高。他们的评估显示，从2010年到2011年，纳入性别和/或性别分析的资助提案的比例几乎翻了一番^117，118．

第二个支柱是同行评议的期刊，它们已经制定了倡导性别或性别分析的编辑政策，以确保所选论文的优秀性(有关期刊和政策的列表，请参阅补充信息部分)2)．在卫生和医药领域，这一技术已被迅速采用。《柳叶刀》例如，国际医学期刊编辑委员会(International Committee of Medical Journal Editors)在2016年采纳了此类指南，并迅速跟进¹¹⁹．Cell Press的结构化、透明、可访问报告(STAR)方法也从2016年开始要求透明报告供体细胞的性别分布。重要的是，广泛采用的报告中的性别和性别平等(SAGER)指南建议数据按性别和性别进行分类¹²⁰．虽然生物医学期刊发展迅速，但我们还不知道有任何工程或计算机科学会议或期刊有这样的指南。

第一和第二支柱需要第三支柱的支持:大学。资助机构和期刊可能都有相应的政策，但研究人员和评估人员总体上缺乏性别和性别分析方面的专业知识。欧盟委员会自2014年开始实施相关政策，发现纳入性别和性别分析的资助研究提案少于预期，并将这一低比例与“缺乏性别问题培训”联系起来。¹²¹．同样，一项针对神经科学领域动物研究的分析显示，2014年同行评议的文章中，只有约14%将性别视为生物变量¹²²．

大学需要加快步伐，将性别和性别分析作为一种概念工具纳入科学和工程课程。许多大学在人文和社会科学课程中提供性别分析，但在核心自然科学和工程课程中却没有。在医学方面已经做出了努力——例如，德国柏林的Charité已经成功地将性别和性别分析整合到从早期基础科学到后来临床模块的全部六年医学培训中¹²³．然而，这是一个罕见的例子，大学必须做更多的工作来为未来的科学劳动力做好准备。

有几项倡议努力填补这一空白。性别创新是2009年由斯坦福大学发起并得到欧洲委员会和美国国家科学基金会支持的一个全球性合作项目，为自然科学家和工程师开发了性别和性别分析的实用方法，并提供了案例研究作为性别和性别分析如何导致发现和创新的具体说明(https://genderedinnovations.stanford.edu/)。卫生组织(世界卫生组织)开发了一种促进性别平等的评估工具¹²⁴．性别差异研究组织(https://www.ossdweb.org/)拥有先进的生命和健康科学性别分析方法。加拿大卫生研究所开发了将性别和性别分析纳入生物医学研究的在线培训模块¹²⁵．这些举措现在应该被纳入大学教育的主流。

要系统地将性别和性别分析纳入科学和技术的相关领域，仍有许多工作要做——从确定研究优先事项的战略考虑到制定研究问题、设计方法和解释数据的最佳做法的指导方针。为了在未来十年取得真正的进展，研究人员、资助机构、同行评议的期刊和大学需要协调努力，开发和标准化性别和性别分析方法。

但是，通过将性别和性别分析整合到他们的工作中，研究人员已经打开了眼界，可以提高科学和工程领域的卓越水平和社会责任。