性别歧视跟种族歧视、地域歧视本质相同:一无是处者假借外人光环谋取优越感。
种族歧视是自己没本事,就找本族的温拿当幌子,去鄙视其他种族;地域歧视是自己没能耐,就找本地的老爷当牌坊,去鄙视其他地区;如果这人卵巢彩票没买好,自己又是穷逼一个卢瑟一枚,翻遍祖宗八辈打着灯笼照自己也找不到一点长处,还能鄙视谁?
虽然我的推论有点极端,但只能从性别上做文章的想想就可怜。
像题主这样的是男性负犬,嚷嚷“发展中国家男人配不上本国女人”,想做easy girl都没得卖的,是女性负犬。
题目是不成立的。杰出的文学家,艺术家里,女性是多于男性的。也许你知道的文学家,艺术家太少吧。不妨审视一下:你知道几个杰出的影视演员,歌手,舞蹈家?其中有多少女性?不要专门找什么国画大师,相声演员之类的特例。杰出科学家里女性为什么少,你看看韩春雨的头发就知道了,这工作是体力活,跟搬砖差不多。
补充:
跟风一句话评一下(貌似)客观排名第一的
@天天记载的答案好了。
这是一个建立在“还没有讨论是不是就先说了为什么”上的答案
你们体会一下。
------------------------------------------------------------充完的分割线------------------------------------------------------------
赞多了就显示出卤煮汉语水平越发退步这个惨痛的事实!
回复的一些盆友没看懂卤煮下面回答的意思,卤煮只是用下面的渣推理,告诉广大在这个问题下回复和评论的伪·理性派们一个你们遮遮掩掩不想承认的事实:
---------------------------------------------------黑体加粗注意看和原文的下划线-------------------------------------------
为一众声称自己是死理性派和“女权主义者就是听不得理性的声音”的人感到捉急,破例回答一下这个问题。
我来告诉你们真正的理性派应该怎么分析这类社会性问题,不是比一比数据“大xx家男性比较多啦”、“我目测xx行业/学科中大家几乎都是男性女性很少啦”、“男性IQ分布方差较大均值略高啦”等等——说出这样话的“理性派”们,你们不怕统计学老师半夜拿面条把你吊死在教室吊灯上么?
题主的假设大概是这样的:
∵世界著名文学家,著名科学家,著名音乐家,著名大画家,这些领域的人们叫得出名字的几乎都是男性。再直观一点,高智商运动,如围棋,桥牌,高手也都是男性
∴男性都比女性更优秀
现在我们谈到理性分析了。众所周知,理性分析当中模型是很重要的。
什么意思呢?就是你要找好Dependent Variable & Independent Variables——然后,很重要的,你要有一个理论。
——什么叫理论呢?就是你能说明,这些Independent Variables,确实能够影响Dependent Variable;Dependent Variable,也足够被这些Independent Variables说明。(以下简称DV & IVs)
在题主的假设中,“优秀”指数,毫无疑问,就是本论文中的DV。我们把它设为MI(Master Index)。
那么IVs都有什么呢?性别,毫无疑问应该是其中一个变量。为了简化模型和方便起见,一般我们都把性别设为Dummy Variable.数据处理中通常设为1和0——形象起见,男的就是1,女的就是0吧。
对于本问题中很多很多“理性派”们,这个模型就到此为止了……说真的,你的统计学老师会到你梦中找你去的……
可是哪里不对……肯定还有别的变量的吧!
比如说——教育水平?恩,把它设为EDU。
说到教育水平,这个变量很可能与性别变量自相关啊,友情提示理性派们记得检验和处理一下自相关的问题。
肯定还有别的变量吧!
比如说——升迁机会?恩,虽然看起来不好量化(但是这只是个逗比回答又不是论文所以),我们就把它设为Prom。
友情提示啊,这个变量好像也会跟性别自相关噢~~~记得检验和处理。
肯定还有别的变量吧!
比如说——家人/社会对优秀分子们曾经的期待?我猜家人的期盼一定是人类进步的阶梯,期待值想必是不同的。我们就把它设为WE(Weirdo Expectation)。
友情……又提示了,这个变量好像似乎也许……也跟性别自相关哦~你看,你七大姑八大姨对26岁没有男朋友还居然胆敢读博士的女孩子非常担忧啊,但是对于26对还在读博且没有女朋友的男孩子……只需送你一罐护手霜。
记得检验和处理。
肯定还有别的变量吧!
比说如——(“理性派”们念念不忘的)IQ?我们就把它设为IQ。
肯定还有别的变量吧!
……
……
……
对于模型变量的选取问题,卤煮只能帮你们到这儿了,剩下的你们补充。
模型……还没完。这个公式,它肿么办呢?
方便起见,我们就假设公式是线性的:
接下来,就是数据的问题了。
想做时间序列,还是截面数据呢?我建议“理性派”们都做一做嘛~
当然方便起见,我们就做截面数据吧。
鉴于MI可能人数有点多,设定值域(-5000, 5000)——在特定的年代,以对人类社会的贡献大小,按比例分配,确定MI中每个变量的取值——不禁要有XX家们,还要有他们身边一事无成的伙伴哟(不然你让负值怎么办)~~~
至于这些人选怎么选,这是题主和“理性派”们的事,你们有那么多例子,肯定心中有数……吧?(没谱你哔哔什么)。
教育水平什么的……麻烦自己找下?
升迁机会什么……麻烦自己做下case analysis?
期待值什么的……麻烦自己做一下社会调研?
IQ什么的……自己去查一下?
男女1 0什么的……麻烦自己看一眼?
好了,大概几年后……你终于整理好了数据(咦真的能收集齐数据?)!SPSS等着你唷!先看一看模型的F值?
我猜可能超不过30%……模型木有说服力肿么办!
增加变量吧……
不过鉴于这是一个逗比答案,我们就勉强忍受这个残破的模型吧。。。
假设在你减少了自相关之后,性别因素居然还坚挺的显!著!了!正相关哟~~~男性在刨除所有因素的影响下,还是增加一枚男性,对社会的优秀指数就 +OOXX 呦~
但是你们没听过那句话嘛:
相关性不等于因果性
相关性不等于因果性
相关性不等于因果性
相关性不等于因果性
……
你的统计学老师在你枕边碎碎念哟~
请去做因果性检验。
据说因果检验一般都要时间序列模型。
建议你再收集数据30年。
友情……又提示:
你的数据和模型可能遭受质疑哟~
比如IQ数据可信否?IQ试卷测试方式科学否?
一个线性模型好像总归不够高大上?
你们是理性派,不如你们自己好好解决一下这些细节,给题主交一份满意的答卷。
卤煮我只能帮你们到这里了。
要不就——
AND——
本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度,google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有