看不見的“大象”：算法中的性別歧視

范紅霞 孫金波

【摘要】隨著算法的適用場(chǎng)景越來越廣泛，各種算法推薦和算法模型日益左右著我們的認(rèn)知與決策，而算法偏見和算法歧視問題也逐漸暴露出來。從算法偏見、數(shù)據(jù)庫(kù)偏差和認(rèn)知語(yǔ)言及編碼歧視等角度分析算法性別歧視的表現(xiàn)和成因發(fā)現(xiàn)，算法中的性別歧視將加重對(duì)女性的物化和數(shù)字化異化，會(huì)進(jìn)一步加大“數(shù)字性別鴻溝”。因此必須在倫理、法律和技術(shù)規(guī)則方面加強(qiáng)規(guī)制，通過算法正義，推動(dòng)性別平等化。

【關(guān)鍵詞】算法偏差;性別;歧視;數(shù)字異化;算法正義

一、技術(shù)與性別歧視

隨著算法的適用場(chǎng)景越來越廣泛，各種算法推薦和算法模型日益左右著我們的認(rèn)知與決策，而算法偏見和算法歧視問題也逐漸暴露出來。人們擔(dān)心因?yàn)樾詣e、種族、年齡和身份地位等方面的歧視，會(huì)蔓延到人工智能和算法技術(shù)中，從而將現(xiàn)實(shí)中的偏見、不公正和不平等復(fù)制到技術(shù)領(lǐng)域，加重社會(huì)分化和意識(shí)形態(tài)分裂的危機(jī)。

事實(shí)上，這些擔(dān)憂在某種程度上也恰恰成為現(xiàn)實(shí)。如卡內(nèi)基梅隆大學(xué)Amit Datta等學(xué)者研究了求職者性別與招聘廣告推送的關(guān)系，利用數(shù)據(jù)軟件發(fā)現(xiàn)男性用戶組收到“年薪在20萬美元以上”職位推薦的數(shù)量是女性用戶組的6倍。[1]另外，據(jù)路透社2018年的報(bào)道，亞馬遜公司研發(fā)出來的自動(dòng)招聘系統(tǒng)存在性別歧視的問題，該系統(tǒng)在對(duì)求職者的簡(jiǎn)歷進(jìn)行篩選時(shí)，會(huì)對(duì)女性求職者進(jìn)行降級(jí)處理，而提高男性候選人的排名。[2]在當(dāng)下流行的共享經(jīng)濟(jì)模式中，也出現(xiàn)了性別不平等的傾向。張凌寒通過實(shí)證研究的方式發(fā)現(xiàn)，像家政、代駕、保姆、外賣員這一類的工作，在傳統(tǒng)就業(yè)模式中就存在性別不平等關(guān)系以及對(duì)工人的剝削和歧視，且在共享經(jīng)濟(jì)靈活就業(yè)中更得到了加強(qiáng)——如通過平臺(tái)評(píng)級(jí)和評(píng)論系統(tǒng)，使得性別弱勢(shì)、低收入、受教育程度低等弱勢(shì)群體的弱勢(shì)地位隨著共享經(jīng)濟(jì)靈活就業(yè)的發(fā)展進(jìn)一步加強(qiáng)。[3]

技術(shù)女性主義者認(rèn)為女性被排除在技術(shù)之外，始于人類社會(huì)最初的勞動(dòng)分工，女性負(fù)責(zé)采摘果實(shí)和照管嬰兒、老人，而男性負(fù)責(zé)狩獵和保衛(wèi)營(yíng)地，從而形成了“男主外女主內(nèi)”的最初性別分工。但更深刻的變化則來自于17-18世紀(jì)的工業(yè)革命和資本主義工廠的興起。生產(chǎn)制造活動(dòng)從家庭轉(zhuǎn)移到了規(guī)?；墓S里，男人成為工廠、礦山、鐵路、農(nóng)場(chǎng)等社會(huì)生產(chǎn)空間內(nèi)的主要?jiǎng)趧?dòng)力，成為操縱機(jī)器的雇傭工人;而大部分女性則留守家庭，輾轉(zhuǎn)于爐灶和居室之間，公共領(lǐng)域和私人領(lǐng)域分離，導(dǎo)致新一輪的性別分工，這也為男性主導(dǎo)技術(shù)（與機(jī)器）奠定了基礎(chǔ)。這種模式延續(xù)到互聯(lián)網(wǎng)時(shí)代，編寫代碼的程序員、算法工程師和人工智能的研發(fā)者們也多是男性，而女性在這個(gè)行業(yè)中占比不到2%。因此，在這個(gè)幾乎由男性“一統(tǒng)天下”的行業(yè)和領(lǐng)域中，其技術(shù)標(biāo)準(zhǔn)、評(píng)估決策、算法模型、使用規(guī)則等也就不可避免地以男性標(biāo)準(zhǔn)為中心，而社會(huì)文化和觀念認(rèn)知中的固有偏見和歧視也就有可能潛移默化地嵌入現(xiàn)有技術(shù)體系中。說到底，算法結(jié)果不過是如實(shí)反映了數(shù)據(jù)庫(kù)乃至社會(huì)中真實(shí)存在的偏見。而這些偏見，恰恰與我們追求平等公正的社會(huì)理念背道而馳。

二、算法歧視與性別不平等

不同于其他類型的歧視，算法歧視問題的出現(xiàn)有其獨(dú)特的技術(shù)背景。關(guān)于算法歧視可以歸為如下幾類：

（一）算法偏差

算法偏差一般指的是計(jì)算機(jī)程序或者人工智能系統(tǒng)在數(shù)據(jù)收集、數(shù)據(jù)選擇和使用的過程中因包含了人類的隱含價(jià)值而在輸出中呈現(xiàn)出不公平現(xiàn)象，算法偏差是對(duì)算法客觀性的偏離。[4]算法偏差隱含在算法中，往往是隱性的，我們可以通過分析算法偏差的外部原因和特征來理解算法偏差。研究人員把算法偏差歸咎為“合成謬誤”和“虛假因果”[5]。由于當(dāng)前人工智能技術(shù)仍然處于“弱智”階段，無論是算法模型、數(shù)據(jù)庫(kù)處理還是機(jī)器訓(xùn)練，在一系列的程序運(yùn)作中，每一個(gè)環(huán)節(jié)都有可能出現(xiàn)偏差;而且，即使微觀上正確的東西并不一定在宏觀上都是正確的。美國(guó)著名經(jīng)濟(jì)學(xué)家、諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主保羅·薩繆爾森就曾經(jīng)說過，“個(gè)人理性行為往往無法產(chǎn)生集體理性的結(jié)果”。算法也不例外。

（二）算法偏見

算法偏差會(huì)導(dǎo)致算法偏見。所謂算法偏見，主要是指算法設(shè)計(jì)者在編程時(shí)可能將自身偏見、社會(huì)風(fēng)氣、制度體制以及文化差異嵌入算法之中。這既可能是顯性的和有意識(shí)的，也可能是隱性的和無意識(shí)的。[6]算法偏見導(dǎo)致的算法歧視現(xiàn)象廣泛存在。微軟和美國(guó)波士頓大學(xué)的研究人員發(fā)現(xiàn)在一些人工智能算法中存在性別歧視現(xiàn)象，如“編程”和“工程師”等詞常與男性聯(lián)系起來，“家庭主婦”“家務(wù)勞動(dòng)”等詞往往與女性聯(lián)系在一起。[7]而美國(guó)學(xué)者通過對(duì)百萬Uber司機(jī)收入進(jìn)行分析，其結(jié)果令人驚訝：在一個(gè)工作任務(wù)由不分性別的算法決定、薪酬結(jié)構(gòu)直接與產(chǎn)出掛鉤而并不需要與資方談判的環(huán)境中，男性做同樣的工作，平均每小時(shí)比女性多賺7%。[8]算法的偏見來自程序員或者工程師編制的代碼規(guī)則和所使用的數(shù)據(jù)庫(kù)。這些看似客觀的因素，一旦摻入人們固有的性別觀念，就會(huì)讓其運(yùn)算結(jié)果呈現(xiàn)出和現(xiàn)實(shí)偏見同樣的效果。

（三）算法濫用

算法濫用則是放任算法偏差與算法偏見存在而不加糾正，且大規(guī)模使用后產(chǎn)生的負(fù)面影響。它與人們的使用動(dòng)機(jī)和使用效果有關(guān)。例如，人臉識(shí)別算法本意是為了精準(zhǔn)識(shí)別罪犯，提高社會(huì)治安管理水平。但是，現(xiàn)在一些房地產(chǎn)銷售門店、商超、公園和景點(diǎn)、單位門崗、小區(qū)門口也都裝上了人臉識(shí)別系統(tǒng)，我們?nèi)绻穯栆幌拢河眠@種“刷臉進(jìn)入”的方式來取代以往憑身份證件自由出入，僅僅是體驗(yàn)上的提升，但是在便利性上我們是否需要追求這種極致的“效率”？進(jìn)而言之，當(dāng)我們知道商家利用識(shí)別結(jié)果對(duì)所謂“老客”“新客”區(qū)別對(duì)待已經(jīng)涉嫌歧視，侵害了個(gè)人合法權(quán)益，以及可能存在人臉信息濫用和泄露的風(fēng)險(xiǎn)時(shí)，我們還能保持淡定嗎？這就是一種典型的算法濫用了。另外，有不法分子會(huì)利用換臉技術(shù)，將特定的人臉信息替換到一些色情圖片或影像的面部，從而損害受害人的聲譽(yù);或者從事網(wǎng)絡(luò)詐騙活動(dòng)，這種行為已經(jīng)危及到了他人和社會(huì)的公共安全。

（四）機(jī)器學(xué)習(xí)中的偏見

機(jī)器學(xué)習(xí)偏見，則是指由機(jī)器學(xué)習(xí)形成或強(qiáng)化的偏見。在人工智能時(shí)代，算法總是與機(jī)器學(xué)習(xí)緊密聯(lián)系，算法告訴機(jī)器數(shù)據(jù)處理規(guī)則使機(jī)器按照特定步驟處理數(shù)據(jù)，而機(jī)器學(xué)習(xí)通過分析數(shù)據(jù)之間的聯(lián)系，不斷進(jìn)行模型優(yōu)化，形成成熟模型并找到最優(yōu)解。[9]但是，這些算法模型也并非完美無缺，建模過程中可能因?yàn)閿?shù)據(jù)偏差、學(xué)習(xí)框架、分類標(biāo)準(zhǔn)和評(píng)價(jià)指標(biāo)等問題，使得這些算法模型存在一定的缺陷，在置信度、準(zhǔn)確率和精度等方面發(fā)生誤差和偏移，導(dǎo)致計(jì)算結(jié)果與實(shí)際情形不符，甚至對(duì)某一方來說是“不利”的結(jié)果，呈現(xiàn)出一定的“偏見”。

從本質(zhì)上來說，機(jī)器偏見實(shí)際上投射出了根植于社會(huì)傳統(tǒng)觀念中的性別偏見。如自動(dòng)招聘系統(tǒng)歧視女性求職者的簡(jiǎn)歷;而Uber平臺(tái)派單時(shí)對(duì)女性司機(jī)不公平，導(dǎo)致她們付出的機(jī)會(huì)成本相對(duì)高，而獲得的報(bào)酬卻低于男性。[10]也就是說，算法設(shè)計(jì)的效率導(dǎo)向、作為算法運(yùn)行基礎(chǔ)的數(shù)據(jù)之偏差與算法黑箱造成的透明度缺失共同觸發(fā)了算法歧視。[11]但是算法歧視往往屬于“間接歧視”?！伴g接歧視是指表面上看似中立的標(biāo)準(zhǔn)或做法實(shí)際上對(duì)具有某種特征的人或群體在機(jī)會(huì)和待遇方面造成不成比例的不利影響?！盵12]這就意味著這些打著“技術(shù)中立”旗號(hào)的算法歧視，在現(xiàn)有的法律和政策制度框架下，難以找到有力證據(jù)來支持審查、識(shí)別和界定算法中的性別歧視。算法糾偏在法律規(guī)制方面還存在許多漏洞。

三、算法歧視的成因分析

（一）算法設(shè)計(jì)者的性別刻板印象或社會(huì)偏見

算法開發(fā)過程中會(huì)受到設(shè)計(jì)者主觀因素的影響，如果設(shè)計(jì)者存在性別偏見、價(jià)值偏差或者缺乏性別敏感，在編碼規(guī)則和指標(biāo)選取上帶有一定的主觀傾向性，就會(huì)導(dǎo)致算法偏見的產(chǎn)生。以國(guó)內(nèi)在線知識(shí)社區(qū)和付費(fèi)課程平臺(tái)“千聊”為例，它提供的付費(fèi)知識(shí)類型包括母嬰、親子、健康、醫(yī)學(xué)、養(yǎng)生、美容、情感、家庭、職場(chǎng)、人力資源等多個(gè)類目，在內(nèi)容營(yíng)銷方面有明顯的性別差異。如面向男性的內(nèi)容更注重實(shí)效，且門檻較高;而女性內(nèi)容則注重主觀感受，以健康養(yǎng)生、美容護(hù)膚、情感得失為主。頁(yè)面數(shù)據(jù)顯示，男性課程排名靠前的是職場(chǎng)、金融、汽車、歷史和科技等“硬貨”知識(shí)，而女性課程排名前10位的則是產(chǎn)后塑形、瑜伽、護(hù)膚、美容、儀態(tài)以及職場(chǎng)穿搭等“軟”知識(shí)。這似乎在暗示：同樣是上班，男性更“專業(yè)”，而女性就有點(diǎn)“不務(wù)正業(yè)”，被有意無意地賦予了“花瓶”的屬性。作為一種營(yíng)銷策略，“千聊”也許是成功的。但是就其算法模型和算法邏輯而言，無論是使用基于用戶身份還是信息要素的協(xié)同過濾算法，或是回歸分析，其所定義的用戶標(biāo)簽或者說用戶畫像策略，都帶有性別刻板印象的傾向。這就構(gòu)成了一種帶有知識(shí)權(quán)力色彩的算法偏見。

（二）數(shù)據(jù)集中的“幸存者偏差”和鏡像效應(yīng)

“幸存者偏差”在心理學(xué)和統(tǒng)計(jì)學(xué)中都是一個(gè)被反復(fù)提及的名詞。它是指在統(tǒng)計(jì)分析的過程中，只計(jì)算經(jīng)過特殊篩選而產(chǎn)生的那一部分樣本，而主觀地忽略了樣本篩選的整個(gè)過程，進(jìn)而造成統(tǒng)計(jì)中關(guān)鍵因素流失，導(dǎo)致研究成果不精確甚至相反。[13]在算法開發(fā)和使用過程中，算法設(shè)計(jì)者很有可能只看到數(shù)據(jù)統(tǒng)計(jì)的結(jié)果，而忽視了因?yàn)閿?shù)據(jù)挖掘過程中遺漏有效數(shù)據(jù)或者關(guān)鍵數(shù)據(jù)導(dǎo)致的偏差;或使用了帶有偏見的數(shù)據(jù)集，而導(dǎo)致算法結(jié)果偏離了客觀事實(shí)。

如果將對(duì)用戶的身份識(shí)別挪移到其他場(chǎng)景中，如圖像識(shí)別、語(yǔ)音識(shí)別或就業(yè)招聘時(shí)，性別歧視的潛在影響就會(huì)暴露出來。如果給機(jī)器學(xué)習(xí)的訓(xùn)練樣本中是帶有性別刻板印象的人類語(yǔ)言文本時(shí)，其中潛藏的性別歧視難免被納入關(guān)聯(lián)邏輯中來。如給予算法大量文字或圖片包進(jìn)行訓(xùn)練，描繪女性在家做家務(wù)，男性在外工作，那么機(jī)器通過學(xué)習(xí)識(shí)別這些照片及其文字標(biāo)簽，就會(huì)默認(rèn)“女性是家庭主婦，男人是經(jīng)濟(jì)支柱”這樣的分工模式。通過機(jī)器學(xué)習(xí)，社會(huì)性別偏見和固有歧視被算法以代碼形式重新包裝打扮，進(jìn)一步放大或植入新的社會(huì)偏見，無形中讓女性的利益受損，這勢(shì)必會(huì)進(jìn)一步加劇社會(huì)既有的性別歧視和就業(yè)不公，甚至?xí)霈F(xiàn)更嚴(yán)重的性別剝削問題。

（三）算法黑箱與“房間里的大象”

黑箱是一個(gè)隱喻，指的是那種難以為人所知，“既不能打開，又不能從外部直接觀察其內(nèi)部狀態(tài)的系統(tǒng)”[14]?！八惴ê谙洹币矊儆诩夹g(shù)黑箱的一種，它指的是算法設(shè)計(jì)者運(yùn)用不透明的程序?qū)?shù)據(jù)輸入轉(zhuǎn)換為信息輸出。由于本身具有的高度技術(shù)復(fù)雜性和專業(yè)性，就算法的運(yùn)行流程來說，整個(gè)過程涉及龐雜的數(shù)據(jù)材料和繁復(fù)的算法方法，并以計(jì)算機(jī)代碼的形式呈現(xiàn)，而不是能夠被大多數(shù)人所理解的自然語(yǔ)言。這意味著除了少數(shù)算法研發(fā)人員之外，更多的外部人員并不清楚算法的設(shè)計(jì)理念與目標(biāo)，也無從獲悉數(shù)據(jù)。[15]因此，即使在這個(gè)過程中出現(xiàn)運(yùn)算或結(jié)果上的偏差，也不為外人所知。

研究人員從性別角度指出，如果性別偏見被人編入算法，就會(huì)使媒介傳播中被發(fā)掘的“男性凝視”在算法當(dāng)中進(jìn)一步發(fā)展為“編碼凝視”[16]，從而讓算法也轉(zhuǎn)化為具有性別偏見的算法歧視。例如全球最大在線求職平臺(tái)領(lǐng)英（Linkedln）給男性求職用戶推薦的高薪工作比女性多，從而使女性在最初求職時(shí)就處于劣勢(shì)地位。在這里，算法推薦就成了“算法黑箱”，因?yàn)橛脩舨⒉磺宄鼮槭裁磿?huì)呈現(xiàn)“男女有別”的結(jié)果，而只會(huì)默認(rèn)信息搜索的結(jié)果。

在日趨精準(zhǔn)的算法技術(shù)下，被視為“用戶”和“流量”的社會(huì)個(gè)體在大數(shù)據(jù)面前成為“透明人”和“工具人”。被數(shù)字化異化的自我是無法真正獲得幸福感和安全感的。對(duì)于女性來說，“數(shù)字化異化”的更嚴(yán)重后果是：在所謂數(shù)字化賦權(quán)的口號(hào)下，女性正在被算法推薦和流行審美變成高度同質(zhì)化的“空心人”。我們從美顏技術(shù)和“網(wǎng)紅臉”的流行中就可見一斑。

關(guān)于算法中的性別歧視，還有另一個(gè)社會(huì)性原因，我把它叫作“房間里的大象”，意思是指那些顯而易見卻被人有意忽略，或者拒絕談?wù)摰默F(xiàn)象。“簡(jiǎn)單來說，就是我們明明知道某件事是不合理并且確實(shí)存在的，但是卻因?yàn)楦鞣N各樣的原因?qū)ζ洳患s而同地選擇了合謀性的沉默?！盵17]比如性別偏見和性別歧視，明明是社會(huì)中普遍存在的問題，但是我們卻在男女平等、“客觀中立”的幌子下對(duì)其避而不談，以至于當(dāng)人們認(rèn)知觀念中的性別偏見“遷移”和“復(fù)制”到算法推送和人工智能領(lǐng)域時(shí)，我們依然對(duì)此無所察覺，將其視為尋常。前述共享經(jīng)濟(jì)平臺(tái)在靈活就業(yè)中的性別歧視，導(dǎo)致女性在兼職工作中的合法權(quán)益受到壓縮，就是一個(gè)現(xiàn)實(shí)的例子。由于網(wǎng)絡(luò)勞動(dòng)通常是在所謂“匿名化”政策下進(jìn)行的，而且沒有面對(duì)面的交流，很難獲得一手的證據(jù)。而現(xiàn)階段法院認(rèn)定性別歧視造成的損害結(jié)果標(biāo)準(zhǔn)又極為嚴(yán)苛，導(dǎo)致許多職場(chǎng)性別歧視案件最終以勞動(dòng)糾紛而非侵權(quán)糾紛的名義解決。[18]

四、結(jié)語(yǔ)

綜上所述，算法中的性別歧視，會(huì)進(jìn)一步加大“數(shù)字性別鴻溝”，同時(shí)放大歧視的社會(huì)影響。對(duì)此，一方面，我們需要鼓勵(lì)女性進(jìn)入技術(shù)領(lǐng)域，提高技術(shù)編碼中的性別敏感度，改變互聯(lián)網(wǎng)和人工智能行業(yè)由男性壟斷的局面;另一方面，我們也要從技術(shù)、倫理、法律等多個(gè)現(xiàn)實(shí)角度來消除和預(yù)防在算法和人工智能領(lǐng)域的歧視。從社會(huì)認(rèn)知到技術(shù)人文層面，通過人為干預(yù)、預(yù)防和糾偏，提高算法的透明度，消除算法應(yīng)用中的不公平現(xiàn)象、歧視性或者偏見的效果，實(shí)現(xiàn)對(duì)所有性別的人“機(jī)會(huì)均等”，為推動(dòng)性別的和諧發(fā)展作出貢獻(xiàn)。

[本文為國(guó)家社科基金項(xiàng)目“中國(guó)影視海外傳播塑造國(guó)家形象研究”（編號(hào)：20CXW010）;國(guó)家社科基金項(xiàng)目“人類命運(yùn)共同體理念與全球傳播秩序重建研究”階段性成果（編號(hào)：18BXW062）;杭州市哲社規(guī)劃課題重點(diǎn)項(xiàng)目“數(shù)據(jù)新聞：從內(nèi)容創(chuàng)新到算法革命”階段性成果（編號(hào)：2019JD55）]

參考文獻(xiàn)：

[1]鄒開亮，王霞.大數(shù)據(jù)算法背景下就業(yè)歧視規(guī)制初探[J].價(jià)格理論與實(shí)踐，2020（6）：37-42.

[2]Meyer，D.2018.Amazon Reportedly Killed an AI Recruitment System Because It Couldnt Stop the Tool form Discriminating Against Women. October 10， http：//fortune.com/2018/10/10/amazon-ai-recruitment-bias-women-sexist/.

[3]張凌寒.共享經(jīng)濟(jì)平臺(tái)用工中的性別不平等及其法律應(yīng)對(duì)[J].蘇州大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2021（1）：84-94.

[4]閆坤如.人工智能的算法偏差及其規(guī)避[J].江海學(xué)刊，2020（5）：141-146.

[5]時(shí)盛杰.算法傳播中偏差與偏見：再析算法偏見[J].科技傳播，2021（7）：140-142.

[6]劉友華.算法偏見及其規(guī)制路徑研究[J].法學(xué)雜志，2019（6）：55-66.

[7]閆坤如.人工智能的算法偏差及其規(guī)避[J].江海學(xué)刊，2020（5）：141-146.

[8]Cook C，Diamond R，Hall J，et al.The Gender Earnings Gap In The Gig Economy：Evidence From Over a Million Rideshare Drivers [R].National Bureau of Economic Research，2018.

[9]劉友華.算法偏見及其規(guī)制路徑研究[J].法學(xué)雜志，2019（6）：55-66.

[10]張凌寒.共享經(jīng)濟(jì)平臺(tái)用工中的性別不平等及其法律應(yīng)對(duì)[J].蘇州大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2021（1）：84-94.

[11]崔靖梓.算法歧視挑戰(zhàn)下平等權(quán)保護(hù)的危機(jī)與應(yīng)對(duì)[J].法律科學(xué)（西北政法大學(xué)學(xué)報(bào)），2019（3）：29-42.

[12]郭延軍.美國(guó)就業(yè)領(lǐng)域間接性別歧視的法律控制[J].政治與法律，2013（4）：23-33.

[13]宋亮亮.幸存者偏差理論下的傳播學(xué)研究反思[J].戲劇之家，2015（24）：263.

[14]陶迎春.技術(shù)中的知識(shí)問題：技術(shù)黑箱[J].科協(xié)論壇（下半月），2008（7）：54-55.

[15]譚九生，范曉韻.算法“黑箱”的成因、風(fēng)險(xiǎn)及其治理[J].湖南科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020（6）：92-99.

[16]宋素紅，王躍祺，常何秋子.算法性別歧視的形成邏輯及多元化治理[J].當(dāng)代傳播，2020（5）：95-100.

[17]季曉菲.從《房間里的大象》淺談社會(huì)中的沉默現(xiàn)象[J].新聞傳播，2020（11）：30-31.

[18]張凌寒.共享經(jīng)濟(jì)平臺(tái)用工中的性別不平等及其法律應(yīng)對(duì)[J].蘇州大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2021（1）：84-94.

（范紅霞為浙大城市學(xué)院傳媒與人文學(xué)院副教授;孫金波為浙大城市學(xué)院外國(guó)語(yǔ)學(xué)院副教授）

編校：趙 亮