NBER美国国民经济研究局-NBER-Older-Workers-Need-Not-Apply-Ageist-Language-in-Job-Ads-and-Age-Discrimination-in-Hiring_70页_1mb

总结：Ageist Language in Job Ads and Age Discrimination in Hiring

核心内容

本文探讨了招聘广告中的年龄歧视性语言与实际招聘中的年龄歧视之间的关系。研究基于一个大规模的简历-通信实验（NBB），通过分析招聘广告文本，利用计算语言学和机器学习方法识别与年龄歧视相关的刻板印象，并评估这些语言对招聘回调率的影响。研究发现，某些与年龄刻板印象相关的词汇可能预测对年长申请者的歧视，尤其在男性中，与体力、沟通能力和技术相关的刻板印象影响较大；在女性中，沟通能力和技术相关的刻板印象更为显著。

主要观点

1. 年龄歧视的实证研究：

   • 简历-通信实验是研究招聘歧视的最可靠方法之一。
   • NBB的研究显示，年长申请人（64-66岁）在所有职业和性别中都比年轻申请人（29-31岁）获得更少的回调，其中对年长女性的歧视尤为明显。

2. 年龄歧视性语言的存在：

   • 招聘广告中的语言可能包含对年长工人的刻板印象，如“技术能力差”、“体力不足”等。
   • 这些语言可能被雇主用来筛选申请人，从而间接促进年龄歧视。

3. 刻板印象与歧视的关系：

   • 研究识别了17种与年长工人相关的刻板印象，其中11种为负面，6种为正面。
   • 雇主可能通过使用与这些刻板印象相关的语言，来影响招聘决策，甚至规避法律风险。

4. 方法论创新：

   • 本文首次将计算语言学和机器学习方法应用于招聘广告文本分析，以识别年龄歧视性语言。
   • 使用Word2Vec算法构建语义相似性模型，通过计算词向量和三元组（trigrams）之间的余弦相似度（CS score）来衡量语言与刻板印象的关联。

关键信息

• 研究方法：

  • 基于NBB的简历-通信实验数据，分析了超过13,371个职位的招聘广告文本。
  • 使用Word2Vec算法训练模型，以捕捉词汇之间的语义相似性，并通过三元组（trigrams）分析广告语言与刻板印象的关联。

• 刻板印象分类：

  • 负面刻板印象包括：学习能力低、适应性差、沟通能力差、体力不足、生产力低、技术能力差、创造力差、记忆力差、听力差、性格负面等。
  • 正面刻板印象包括：生产力高、可靠、细心、经验丰富、沟通能力好、性格温暖等。

• 结果发现：

  • 年长申请人的回调率低于年轻申请人，尤其在女性中更为显著。
  • 招聘广告中与年龄刻板印象相关的语言（如“技术能力差”、“体力不足”）与对年长申请人的歧视存在统计上的关联。

• 法律与政策意义：

  • 美国《年龄就业歧视法案》（ADEA）禁止在招聘广告中使用与年龄相关的歧视性语言。
  • 本文为执法机构提供了识别潜在歧视性语言的工具，有助于评估招聘广告的合法性。

研究贡献

1. 方法论贡献：

   • 首次系统地利用计算语言学和机器学习方法分析招聘广告中的年龄歧视性语言。
   • 提供了一种适用于未来研究的框架，使研究人员能够在数据收集前预注册分析方法。

2. 理论贡献：

   • 识别了与年龄歧视相关的刻板印象，并展示了这些刻板印象如何影响招聘决策。
   • 为理解雇主如何通过语言表达刻板印象提供了实证依据。

3. 政策贡献：

   • 为减少年龄歧视提供了实证支持，例如通过培训、教育或改善招聘流程来消除刻板印象的影响。
   • 有助于执法机构评估招聘广告的合法性，并识别可能的歧视性语言。

结论

本文通过结合简历-通信实验与文本分析方法，揭示了招聘广告中的年龄歧视性语言与实际招聘中对年长工人的歧视之间的联系。研究强调了语言在招聘过程中的潜在影响，并为政策制定者和研究人员提供了新的工具和视角，以更深入地理解年龄歧视的机制和影响。