من نظری در مورد جنبههای جامعه شناختی موضوع ندارم ولی حالا که دارید در این مورد صحبت میکنید خوبه این رو هم بدونید که مساله تبعیض به طور عام چند سالیه که موضوع جدی بحثهای یه مقدار حاشیهای تر مثل یادگیری ماشین هم هست. یعنی حتی ماشین تو تصمیمگیری میتونه دچار تبعیض بشه! یکی از کارهای مهمی که قبل از حرف زدن در مورد هر کاربردی باید انجام بدن مدل کردن مفهوم تبعیض هست. اگر به این سبک موضوعات علاقه دارید بد نیست نیم نگاهی هم به اونها داشته باشید. [مثلا یه نمونه که مقاله خیلی روان و خوش خوانیه و بخش های خوبی ش فنی هم نیست، این مقاله ست:
https://arxiv.org/abs/1610.02413]
کارهای زیادی در مورد مفهوم تبعیض انجام شده که هرچند اجماع توشون نیست ولی احتمالا در این مورد خاص تبعیض جنسیتی هم به کار میاد. مثلا چند تا مدل که تو همین مقاله در موردشون صحبت کرده رو خلاصه میگم:
سادهترین مدل اینه که هر تصمیمگیری در مورد یه فرد باید بدون آگاهی از جنسیت فرد باشه. [fairness through unawareness] مدلی که من تو بطن صحبت یه تعدادی از بچهها دیدم. این مدل خیلی طرفدار نداره چون اثبات میشه حتی اگر ما موقع تصمیمگیری جنسیت فرد رو مستقیما ندونیم، این پارامتر میتونه تو ویژگیهای دیگه مخفی شده باشه و خودش رو نشون بده.
یه مدل مطرح دیگه سهمیهبندی مساوی در تخصیص منابع بین دو گروه جنسیتی هست. این مدل هم مشکلات اساسی داره.
مدل پذیرفتهشده تر مدل "شانس برابر یا equal odds" یا چیزی شبیه اون به اسم "فرصت برابر یا equal opportunity" هست که میگه وقتی داریم منبعی رو بین یه تعداد گروه تقسیم میکنیم [مثلا اون منبع میتونه فرصت شغلی باشه] احتمال اشتباه در مورد یه فرد [مثل اینکه طرف واجد شرایط گرفتن فرصت شغلی هست ولی تصمیمگیرنده ردش کنه] باید مستقل از جنسیت اون فرد باشه. به زبون خودمونیتر آدمها فارغ از اینکه چه جنسیتی دارن باید فرصت برابر برای شکوفایی داشته باشن.
هرچند ممکنه این موارد خیلی دور از بحث اصلی "تبعیض جنسیتی" و به درد نخور به نظر بیاد چون بهرحال حل کردن مساله برای ماشین خیلی راحتتر از حل کردن مساله برای یه اجتماع هست ولی وقتی ساده بهشون نگاه کنیم خیلی مشکلاتی که برای تعریف مفهوم "تبعیض" و پیدا کردن راهحل وجود داره مشترک هست. حل کردن یکی میتونه به اون یکی هم کمک کنه.