性别规训与学业成绩——对美国教育分层现象的解释

存档帖子
13/12/2022
0

作者：：Joel Mittleman 来源：PoIiticaI理论志

摘要:

在对当代教育分层的解释中，性别发挥着重要作用。本文认为，在美国，性取向是分析教育分层的一个核心维度。本文首先分析了不同性取向群体的大学完成率，并使用2009年高中长期调查的数据，分析了不同性取向的学生所取得的成就。通过分析，本文揭示了两个人口统计学事实。一，女性日益上升的学术优势在很大程度上受限于异性恋女性，女同性恋和双性恋女性面临着显著的学术劣势。二，男性的学术表现总体相对较差，但同性恋男性群体在校成绩非常高。进而，作者认为，社会主导性别规范对性少数群体的学业成绩产生了重要但不对称的影响。本文使用了机器学习方法论证了这一假设。

作者简介:

Joel Mittleman，圣母大学社会学系

编译来源:

Mittleman, J. (2022). Intersecting the Academic Gender Gap: The Education of Lesbian, Gay, and Bisexual America. American Sociological Review, 87(2), 303–335.

引言

在现有的大多数衡量校园成功的标准上，男性总体落后于女性。这个“男孩的问题”已经引起了广泛的关注。在上述大多数研究中，有一个不平等的因素很大程度上被忽视了：性取向。性取向具有相对隐蔽性，其以一种独特的方式，对教育分层产生影响。本文作者认为，性取向是学术不平等的一个非常重要的因素，尽管其具体影响存在巨大差异。本文揭示出了两个人口学的事实：一，“女性的崛起”应该被更准确地理解为异性恋女性的崛起;二，“男孩的问题”掩盖了一个成绩相当不错的群体：同性恋男孩。

教育中的性别差距

(一)女性的崛起有统计显示，女孩在课堂上的表现一直优于男孩。进入二十一世纪，随着外部限制的缓解，女性“学术表现的潜在优势”迅速显现并不断上升。与之形成鲜明对比的是，男性的教育程度几十年来一直保持着明显的平稳，在这个高学位会带来更多经济福利的时代，男性这种停滞不前的现象令人惊讶。“性别革命”是不均衡的：它使女性发生了某些深刻的变化，但男性的变化却少得多。

(二)课堂中的男性气质人类学研究的历史材料表明，处于青春期的男孩大都贬低学习，并重视那些与学校有关的叛逆行为。那些努力学习并遵守学校规则的男孩被他们的同伴嘲笑为“同性恋”。这种被认为是具有侮辱性的选择并不是偶然的。一个男孩向Pascoe(2007:55)解释说：“称某人为同性恋或基佬，就像是你能称某人为最贬低的东西”。

(三)女性气质与学业成功女孩的学业成功作为一个有趣的社会现象让社会学家进行关注。在传统中，女学生在课堂上成功的一个核心要素在于她们坚持“好女孩”的角色，保持与男性气质的距离并对其敬而远之。与男生群体对“娘娘腔”的嘲笑相对应，在女生群体中存在着对“坏女孩”的偏见。

性别、性取向和学业成功

(一)性别与性取向

在宏观历史层面上，限制女性受教育的不仅仅是一个父权制的系统，而是一个持有异性恋思想的父权制。既往关于“女性崛起”的叙述忽视了非异性恋群体。在互动层面上，对同性恋的恐惧催生了对性别的规范性“划分”，这一现象在男性群体中更为普遍。

(二)美国学校中的性少数群体众所周知，学校对性少数群体而言，并不是一个很友好的空间。现实存在着性取向相关的校园暴力问题。

为什么非异性恋男性的学业成绩，与非异性恋女性的学业成绩，存在很大不同?对于男生来说，教师多将男孩的“阳刚之气”视为一种麻烦，如果学生与之保持距离，可能会带来学业上的一定好处。而对女生来说，具有男性气质的学生多会被教师认定为“坏女孩”，进而对其学业成绩产生不利影响。

对性少数学生群体进行研究的一个困难在于，有效样本量非常有限。这一有限性不仅会影响相关研究结果的真实性与有效性，也会阻碍学术层面的进一步分析。

研究数据与研究方法

(一)数据为了记录性少数成年人的受教育程度，作者参考了三个联邦赞助的家庭调查：NHIS(the National Health Interview Survey)、NSDUH(the National Survey on Drug Use and Health)和NCVS(the National Crime Victimization Survey)。这三类调查的优势在于：代表了所有美国成年公民，而非特定州或特定年龄段的成年人。

此外，本文也使用了HSLS(High School Longitudinal Survey of 2009)调查数据。HSLS是针对高中生的一个追踪队列研究，首先追踪了2009年时的九年级公立学校和私立学校学生的成绩，并在2012年、2016-2017年进行了跟进。

(二)变量

本文作者检验了以下三个因变量：受教育程度(学历)、学业成绩与学术方向、歧视压力。

在对自变量进行衡量时，主要的困难在于：性取向是复杂动态变化的，不存在一个稳定的、具体的性取向。本文使用重复验证、交叉验证和敏感性分析方法试图解决这一问题。

(三)分析方法与分析样本

本文使用了两种分析方法：描述性统计与回归分析。在所有的模型中，关键系数都与性取向有关。本文分析样本的情况具体如下图所示。

研究结果

(一)美国成年人群体的受教育程度

表2列出了美国成年人受教育程度的描述性统计，与同性的异性恋成年人相比，同性恋男性和同性恋女性都显示出了优势。同性恋男性的成功尤其突出：拥有博士学位的同性恋男性比例要比普通异性恋男性群体高出约50%。

为了更全面地探讨这些描述性结果，作者控制了种族/民族(由于样本量的限制，限制在白人、黑人、西班牙裔、亚裔和其他)、出生组别(1950年以前、1950-59年、1960-69年、1970-79年和1980年以后)和本土性措施(在NHIS和NCVS中直接报告;在NSDUH中通过调查是否以英语以外的语言完成而代之)进行了回归分析。具体如图2所示，同性恋群体的学位水平仍高于其他群体。

将种族/族裔纳入分析，在白人(非西班牙裔)男性、黑人男性、西班牙裔男性和亚裔男性中，同性恋者始终以两位数的优势超过异性恋男性，而同性恋女性的学位优势几乎完全集中在白人同性恋女性中。具体如图3所示。

将出生年份也纳入分析，可以发现近年来存在异性恋女性的“崛起”。而在男性群体中，同性恋群体的显著学位优势却依然存在。具体如图4所示。

(二)HSLS队列的学术经历和成果表3列出了HSLS样本结果的描述性统计，按性别和性身份分别列出。在学术成果方面，同性恋男性的表现仍然优于异性恋，而双性恋男孩略显弱势。在女孩中，同性恋女性和双性恋者普遍处于不利地位，而双性恋者的结果最差。值得注意的是，在面临歧视和心理健康挑战方面，非异性恋男孩和女孩都报告了更糟糕的结果。

“性别预测”方法

目前的研究表明，性身份并不是学术优势或劣势的单一来源。相反，性身份对学校成功的影响主要体现在它与性别的交叉上，特别是在同性恋男性和同性恋女性之间。对男孩来说，与“男性气质”疏远的距离可能在学业上是有益的，但对女孩来说，与“女性气质”的疏远可能在学业上是有风险的。

如何具体衡量“男性气质”和“女性气质”?与传统统计学方法不同，本文使用了监督机器学习(supervised machine learning)方法。具体而言，监督机器学习将性别典型性视为一项预测任务：给定一些输入矢量X，进而估计一个函数f(X)，以产生对每个受访者二元性别的预测，Ŷ。通过将单个数据集划分为训练和测试数据，并使用测试数据迭代调整模型参数，SML实现了一种更灵活的、数据驱动的模型选择方法。

为了说明这种方法，作者使用LASSO回归方法，利用HSLS调查中受追踪学生在9年级和11年级时的数据来预测他们对题目回答所反映出的性别身份。在759个问题的大约7,000个答案选择中，Lasso共选择了1,132个不同的答案选择以纳入模型。例如，表4列出了使用LASSO方法所确定的最能预测“男性”性身份的10个答案选择。