試著不Google，說出十五位女性政治家、十名女性上市公司CEO、抑或是五位女性科學家，多數人腦海中的名冊恐怕很快就會枯竭。透過以上簡單的假想實驗，讀者或許方驚覺，在如此發達的現代化社會中，女性在職場上的參與仍舊存在許多改善空間。
女性職場參與率低可能來自面試書審造成的聘僱歧視
距今約一世紀前，美國蒙大拿州選出歷史上首位女性國會議員，然而時至今日各國卻仍舊僅有四分之一的國會席次是由女性所掌握。即使剛於去年創下新高的女性CEO比率，全美前五百強的企業願意選擇女性擔綱此一大位的公司仍不足十分之一。女性在社會各領域的參與權利應是最基本的人權，但相關統計數據卻往往傳達令人沮喪的事實。而在這些領域之中，尤以學術界中俗稱STEM1領域的理工科，男女不平等的情況更為嚴重。以科學界最高殊榮的諾貝爾獎為例，便可見一斑，歷來七百二十位化學、物理學、經濟學、以及生醫獎項得主中，僅有二十五位、也就是不足二十分之一的得獎者為女性。
過去文獻針對女性在各領域、尤其學術界參與率偏低的窘況有數個理論，例如：缺乏同性榜樣、個人偏好差異，然而其中最廣為討論的則是發生於招聘階段，特別是面試與書審時的聘僱歧視，多篇使用實證或實驗資料的研究也不謀而合地歸結出相同的結論，因此即使此類非盲（non-blind）2的評量方式有助於更全面地認識應聘者／考生，但針對使考官更容易辨別應聘者性別的甄選方式，很可能會直接／間接地造成性別歧視的討論，也從未間斷過。
入學資料顯示非匿名甄選有助於提升女性錄取機率
臺灣自2002年開始實施大學多元入學方案，該方案相較於過去聯考制度，其中一項特色在於第二階段評量時，各科系可以自行選擇以面試、書審等非傳統筆試的測驗方式篩選學生。然而自該方案實施之後，整體大學女性學生比例不僅未因非盲考試的引入而下降，反倒逐年提升，讓我們好奇如此提升是否與非盲甄選的設計有關，而背後的機制又是什麼。
我與台大經濟系王道一教授的研究〈多元入學造成多媛入學：台灣實證資料〉，使用網路上的交叉查榜逾五十萬筆大學考生的資料，比較103-110學年度各校系申請入學通過第一階段篩選的名單，以及第二階段最終錄取的人選，並使用機器學習的方法預測不同人名的性別。研究結果顯示，第二階段採計愈多「非筆試甄選方式」的科系，錄取名單被機器學習判定為女性的人數比例，較通過第一階段篩選的女性比例有顯著地增加。更精確地說，當一個科系在第二階段從「完全採用全盲測驗」調整為「完全採用非盲評量」之後，其女性考生錄取比例會增加5.23%。而且該現象不因考生所屬學系的學測錄取分數或是錄取學生的多寡而有所差異，僅在與高中基礎學科相關的科系（例如中文系、英語系、數學系、物理系、化學系、生物系、歷史系、地理系等）較不明顯。相較之下，無論是考生居住地或是機器學習預測考生社經地位指標的分佈，均無類似的效果。
這個研究結果表示非盲的甄選方式會造成性別篩選（提高女性錄取率）的效果，但並未造成其他篩選效果（例如城鄉差距、社經地位等）。我們認為該性別篩選的效果其中一個可能的解釋來自於男女學生習慣的學習模式不同，進而造成學習新知識所需時間的差距。雖然該效果背後確切的機制仍有待更進一步的資料驗證，但可以肯定的是，我們的研究結果指出「多元入學」可以促成「多媛入學」，殆無疑義。
【本研究獲得國立臺灣大學第六屆學士班學士論文傅斯年獎、科技部大專生研究創作獎】
ˊ注一： Science, Technology, Engineering, Mathematics 四大領域的字首
注二：可以直接或間接觀察考生外觀、性別等特徵
