女性教育突破与学历攀登

—对中国（2001—2020年）本硕博教育性别逆转现象的研究

刘江 华东师范大学社会发展学院博士生

张文明 华东师范大学国家教育宏观政策研究院副院长

本文节选自《中国青年研究》2023年第8期

在个别领域中，“女性弱势”这一判断应该受到怀疑，特别是教育领域，女性所表现出来的强劲势头引人注目。2001—2020年女性在本硕博招生数量、毕业生数量和在校生数量中所占的比重，反映了本硕博各阶段中女性教育突破现象已经或正在发生：

一、女性在本硕博招生数量、毕业生数量和在校生数量中的占比迅速提高，各项指标在20年间均上涨了10%以上；二、目前女性在本硕阶段的招生数量、毕业生数量和在校生数量中的占比均超过50%，表明女性在这两个阶段的教育中实现了性别逆转，特别是2020年本科招生中女性比例达60%以上，意味着其领先男性20个百分点；三、20年间博士阶段的女性教育突破现象逐渐发生，2001年博士招生数量、毕业生数量和在校生数量中女性占比均不超过30%，但到了2020年这三项指标均超过40%。

总体来看，我国目前的本科教育中，女性获得了很大的教育优势；硕士教育中，女性获得了一定的教育优势，女性教育突破现象仍在继续发展；博士教育中，女性虽未获得教育优势，但女性教育获得机会在稳步提高，教育性别逆转现象在未来会逐步显现。

本研究得出了这样的结论：在自然情况下，女性具有教育优势，但是由于家庭经济条件和社会结构的制约，女性教育优势不能得以显现。随着教育环境的改善，女性在教育方面的优势逐渐显示出来。但这种制约的解除在各层级教育中是不均衡的，越是高层级的教育，这种制约解除得越缓慢，因此導致了学历攀登现象。随着经济的发展，家庭经济条件改善，可以同时供多个子女接受教育，加上生育政策导致的子女数量减少，女性可以获得更多的教育资源，在高等教育中逐渐崭露头角。

教育领域是为数不多的女性占优势的领域，一旦我们将视野扩大到整个社会领域，女性在整体中的弱势地位仍是不可否认的。在学术领域，仍是男性拥有更多权力，女科学家比例偏低，拥有高级职称的女性较少，部分学科领域中更是如此。在就业市场中，女性同样处于弱势，女性就业率不如男性，且近年来家庭主妇增多。在婚姻结构方面同样如此，传统的“男高女低”匹配模式仍然存在，导致高学历女性婚姻匹配困难，出现了所谓的“剩女”。这些现象凸显了一个重要矛盾，即女性在教育领域取得的优势没有改变其总体劣势地位，女性所接受的教育并未带来与之相称的社会经济回报。

“学”与“仕”：地市级党政领导干部晋升时间研究

—基于全国293个地级市的实证分析

刘鑫 李雪 王思琦 西南交通大学公共管理学院副教授、博士生

本文节选自《华中科技大学学报（社科版）》2023年第4期

干部晋升是科层制度的核心内容之一。本文通过构建覆盖274个市委书记和269个市长的一手数据，探讨了教育背景和职业经历（“学”与“仕”）对中国地市级党政领导干部晋升时间的影响，主要发现：

其一，地市级党政领导干部晋升会受到“学”与“仕”的影响，不同的教育背景和职业经历会导致领导干部在能力和绩效方面的差异，进而影响晋升时间，受教育水平、受教育质量、上级部门任职经历以及跨领域任职经历，是党和国家提拔领导干部的重要考量因素。

其二，本研究未发现理工科专业背景对地市级领导干部的晋升产生有利影响，这与既有的研究结论不同。

其三，职业经历与教育背景交互影响晋升时间。具有省级党政机关任职经历或高校任职经历，且进入体制前的学历较高、取得全日制学历以及毕业院校层次较高的领导干部，其晋升时间越短，晋升速度较快。

其四，党和政选拔领导干部在部分标准上具有差异性。相对而言，党委序列更加关注进入体制前的院校和省级党政机关任职经历，政府序列更侧重于理工科专业和海外教育经历。该结果恰好与党和政的分工与职能相契合。在由市长调整至市委书记的过程中，地市级直属机关任职经历和任职部门数量呈现出积极影响。

上述结果回应了一个具有实践意义的问题，即我国地市级层面的党政领导干部晋升遵循什么样的时间逻辑，有何规律？但是，在不同时代背景和职务晋升阶段，“学”与“仕”对干部晋升的影响可能有所不同。这是由科层制特点决定的，也反映了党和国家对干部选拔任用的一种现实状况，体现了我国政治体制与经济发展及现代化进程之间互动调适的优越性。

人机互动中的自我表露与隐私计算动态关系研究

曹博林 黄诗怡 深圳大学传播学院副教授、硕士生

本文节选自《全球传媒学刊》2023年第3期

人工智能时代正在“扑面而来”，机器人将成为未来社会的一分子。本研究发现，面对一个非人的聊天机器人伙伴，人们的表露意愿会因信息类型不同而有所不同；人们更愿意向聊天机器人表露情绪信息而非身份信息。

在人际交流中，人们往往碍于印象管理，难以向对方袒露自己真实的想法和感受，尤其是谈及尴尬或复杂的社会问题时，诉说者更加担忧被审判的风险。而在人机交流中，人们慷慨地对机器伙伴诉说衷肠，肆无忌惮地分享着快乐和悲伤、担忧和恐惧。事实上，自20世纪60年代第一个聊天机器人Eliza面世伊始，人们与机器人的分享过于亲密，超出了研究人员的期待和预期。有研究发现，人们与AI聊天机器人对话的内容超过与其他普通人对话的两倍。即便人工智能机器人的智能程度有限，人们也愿意与之聊天。

此外，人们谨慎地表露身份信息，慷慨地袒露心扉，也验证了隐私计算理论的内涵。这可能与人们对聊天机器人作为一种新型对话对象的隐私想象相关。根据自我展示和印象管理理论，个人会根据受众和环境的变化调整自己的行为。当实际受众未知或难以确定时，在中介沟通中，人们往往依赖想象受众来决定他们自身的行为。

在当下以微信为主导的熟人社交环境中，社交圈与言论场的“复杂性”，意味着在公开场合表达意见可能伴随着一定的社交风险。这使得人们公开表述其想法和情绪时需要保持谨慎，情绪成为了一种“隐私”。而在面对聊天机器人时，人们的想象受众是基于算法的智能技术物，而隐私信息将留存到智能机器背后的科技公司。由此可见，隐私的感知亦是流动的。对机器的自我表露，对于心理问题的临床咨询和治疗大有裨益，从更广泛的层面来看，是能帮助真正认识自己、健康成长并充分实现自我的重要手段。