世界知识产权组织-利用创新和知识产权数据进行性别分析指南（英）-2022-16页_2mb

总结：从创新与知识产权数据中进行性别分析的指南

核心内容

本指南旨在为政府和研究人员提供最佳实践，以利用创新与知识产权（IP）数据进行性别分析。通过分析性别差异，可以更好地理解女性和男性在知识产权系统中的参与情况，从而推动性别平等政策的制定和实施。

主要观点

• 性别分析的重要性：了解性别在创新和知识产权系统中的参与情况，有助于促进经济、社会和文化的发展。
• 数据收集方式：有多种方法可用于收集性别数据，包括直接收集和间接推断。
• 性别敏感指标的选择：根据不同的分析维度（如个体、团队、行业、地理），可以选择适合的性别敏感指标。

关键信息

A. 收集创新与知识产权数据的性别信息

直接收集性别数据

• 方法：在专利申请表中添加性别字段，例如“F”、“M”或“Other”。
• 优点：数据直接来源于申请者，准确度较高。
• 缺点：无法用于历史数据，实施成本高，可能涉及隐私问题。

智能提示

• 尽可能收集所有创作者（如发明人、设计师、作者）的性别信息。
• 性别差异可能存在于团队中，因此需要知道所有成员的性别才能计算团队指标。

间接性别归因

• 使用二次数据源：如国家人口登记或就业调查，通过匹配社会安全号码或国家ID进行性别归因。

• 优点：实施成本低，适用于现有数据。

• 缺点：依赖二次数据源的准确性和覆盖范围。

• 使用语义规则：通过名字中的称谓（如“Mrs.”、“Ms.”、“Mr.”）或命名习惯（如西班牙语中以“a”结尾的名字多为女性）进行性别推断。

• 优点：可应用于历史数据，成本较低。

• 缺点：在某些语言中可能存在性别模糊或错误。

• 使用性别-名字词典：如WIPO的《世界性别-名字词典》，通过名字与性别的关联进行归因。

• 优点：可应用于历史数据，便于自动化处理。

• 缺点：词典的准确性和适用性依赖于语言和文化背景，可能存在误差。

智能提示

• 若找不到本国的性别-名字词典，可寻找使用相同语言的国家词典。
• 可手动构建词典，用于归因最常见的名字。

B. 使用WIPO的性别-名字词典

步骤1：准备数据

• 确保数据中包含发明人或创作者的全名。
• 分离姓氏和名字，保留所有名字字段。
• 清洗名字字段，去除空格和特殊字符。

步骤2：选择合适的词典版本

• 根据国家或语言选择对应的词典版本。
• 词典可应用于所有名字字段，支持多版本使用。

步骤3：评估归因结果

• 检查性别归因的准确性。
• 分析性别归因的覆盖率。
• 手动检查常见名字的归因结果，修正错误并补充新条目。
• 将反馈发送给WIPO以改进词典。

C. 选择性别敏感指标

性别基准

• 指标：女性作为发明人或创作者的比例。
• 优点：直观，可设定性别政策目标。
• 缺点：无法反映团队合作中的性别分布。

合作者与团队规模

• 指标：仅由女性或以女性为主的IP申请比例、按性别划分的平均团队规模、性别间的合作者网络。
• 优点：反映团队合作的性别动态。

行业与领域

• 指标：按国际专利分类（IPC）或尼斯分类，分析女性在不同行业或技术领域的比例。
• 优点：识别性别在不同行业中的分布情况。

地理分布

• 指标：按国家、省或城市分析女性作为发明人或创作者的比例。
• 优点：揭示地域性性别差异。

结论

本指南提供了从创新与知识产权数据中进行性别分析的多种方法和工具，强调了直接收集和间接归因的优缺点，以及如何选择和使用性别敏感指标。通过这些方法，可以更全面地了解性别在创新和知识产权系统中的参与情况，为制定性别平等政策提供数据支持。