监测女性发明、创造和创新的比例,对于制定适当政策以应对与创新有关的性别参与差距至关重要。然而,一些国家和国际创新和知识产权数据来源缺乏任何类型的性别分类。
所幸,可以通过若干种方法来获得具有性别分类的创新和知识产权数据。看看哪一种更适合您的情况。
想要获得具备性别分类的创新数据,有两种主要方法:直接从源头获取性别信息,或根据其他信息归纳性别。
获得任何创新数据性别分类的最直接的方法,是从来源处收集性别信息。就发明者(或任何知识产权创造者)而言,这意味着直接询问其性别。
如何做到这一点?通常情况下,通过:
直接从创造者处获取性别信息的主要优势是准确性和多样性。自称的性别比任何归纳技术都更准确,而且允许更多样化的性别类别。
这种方法的主要限制是成本和既往分析。虽然可以做到对整个发明人和创造者群体(或其样本)进行调查,但这项工作成本不菲。在知识产权申请中增加性别字段,需要申请人展现善意,因为法律通常不作此要求。即使在可预见的未来有必要实施,也不太可能溯及既往的知识产权申请。了解过去有助于为未来的解决方案提供性别政策。
可以使用二手数据或信息来为创新者、发明人或创造者数据归纳性别。如何做到这一点?
最简单的方法是在创新数据包含个人唯一标识符(例如,社会安全号码或国家身份文件——身份证件)的情况下。这些身份证件可以与包含个人详细记录,包括性别信息在内的二手来源建立联系。此类来源的典型例子是个人或雇员的国家记录。然而,由于隐私问题,往往很难获得这些记录。此外,创新或知识产权数据并不总是包含相应的个人身份证件。
另一种方法是根据姓名头衔或语言命名习惯来归纳性别。例如,专利数据可能包含带有尊称的发明人姓名——如英语中的“Mrs.”、“Ms.”或“Mr.”——这就能够轻而易举地对应到特定性别。同样,一些语言中的人名结构与性别相关。例如,以“n”“o”“a”“d”“a”结尾的西班牙语名和葡萄牙语名通常可以分别指涉男名和女名。在俄语中,“vich”和“vich”或“ovna”和“evna”,也遵循类似模式。然而,这些规则也有例外。诸如“教授”或“博士”这样的头衔不分性别,并且还有许多语言在其命名惯例中并没有明确的性别模式。
普遍的归纳方法是利用带有最常见关联性别的人名列表。这种列表通常被称为性别-人名词典。通过性别-人名词典进行性别归纳的主要优势之一,是它可以适用于多个国家,并可溯及以往。
当然,与其他间接方法一样,性别归纳的质量在很大程度上取决于性别-人名词典的质量和覆盖面。此外,人口迁移以及不断变化的命名惯例也会影响性别-人名词典的覆盖面,在使用语言结构或姓名头衔部分已经强调了这一问题。
专家们对所有这些方法进行了细致探索。总而言之,每种方法都有其优缺点,这使其形成互补,而不是严格的替代关系。
下表概述了这些方法。
方法 | 优势 | 劣势 |
对创新者、发明人和创造者进行调查 | 直接自称 (+++) 性别多样性 (+++) |
不可溯及以往 (---) 实施时间 (---) 实施成本 (---) |
在知识产权申请表中增加性别字段 | 间接自我声明 (++) 性别多样性 (++) |
不可溯及以往 (--) 实施时间 (--) 实施成本 (--) |
根据国家个人记录进行归纳 | 如果是基于唯一标识符,则非常可靠 (++) 间接自我声明 (++) 可溯及以往 (+) |
取决于二手来源的覆盖面 (--) 隐私规则阻止采集唯一标识符 (--) |
基于姓名头衔或语言习惯进行归纳 | 可溯及以往 (++) 可适用于(使用同一语言的)多个国家 (+) |
命名惯例的覆盖范围 (--) 并非适用于所有语言 (--) 受人口迁移和命名趋势的影响 (-) |
基于性别-人名词典进行归纳 | 可溯及以往 (+++) 可适用于多个国家 (++) |
取决于词典的覆盖面 (-) 受不明确的命名惯例的影响 (-) |
在衡量妇女参与发明、创造和创新活动的情况时,必须考虑上述利弊。获得全球创新活动中的性别参与情况是一项巨大挑战。一些先进经济体有资源实施解决方案来衡量其创新和知识产权数据中的性别情况。然而,这些数据的可比性如何?此外,我们如何将最佳做法推广到世界上所有国家?
为了帮助全世界的知识产权局和研究人员,产权组织不断开发一系列资源来衡量性别参与。请在专门的开放资源库查看这些工具以及如何在您的创新数据中使用它们。
在这些工具中,您会发现不同版本的《世界性别-人名词典》(WGND),其中汇编了来自40多个不同来源的信息,涵盖了近200个国家,近100种语言,以及超过2,500万个人名-国家-性别组合。
你可以通过提出改进建议或直接在研究中使用它们来助力这份探索。
从事创新、发明和创造的妇女面临着阻碍其活动的持续因素。经济研究对此能够告诉我们什么,又能为性别平衡政策提供什么信息?
《世界性别人名词典》(WGND)是帮助全世界研究人员和政策分析人员解决缺乏具有性别分类的数据来源这一问题的工具。