职业歧视

摘要： “重学轻术”等轻视体力劳动者的社会观念由来已久。职业歧视、教育歧视、学历歧视几乎体现在社会生活的方方面面。一些人害怕在学历竞争、就业竞争、社会竞争中处于不利位置,骨子里对进入底层职业(岗位)有一种恐惧感和排斥感,不愿意自己或孩子从事体力劳动或一线岗位工作。不容讳言,职业教育处于“鄙视链”的底端。

摘要： 在乡村振兴战略的实施和数字创新创业背景下,女性数字创新创业职业歧视是现有学术研究中不可回避的重要问题.本文回顾了女性创业者创新创业的研究脉络和女性创业职业歧视的相关研究,通过深度访谈和焦点小组访谈,对女性数字创业的职业污名形成影响因素和去污化策略进行了研究,本文可为数字创新创业人才振兴的策略、社会稳定和主流价值观的稳固提供策略参考、建议与启示.

摘要： 在乡村振兴战略的实施和数字创新创业背景下,女性数字创新创业职业歧视是现有学术研究中不可回避的重要问题。本文回顾了女性创业者创新创业的研究脉络和女性创业职业歧视的相关研究,通过深度访谈和焦点小组访谈,对女性数字创业的职业污名形成影响因素和去污化策略进行了研究,本文可为数字创新创业人才振兴的策略、社会稳定和主流价值观的稳固提供策略参考、建议与启示。

摘要： 职业教育的风口来了。从政策的激励、发展的转型,到企业的呼唤、市场的需求,都展示了职教发展的大好机遇。只是,这个风口还有点冷。家长们普遍对高中阶段的普职分流疑虑重重,众多职校生将进入工厂劳动岗位视为畏途。逃离职教,逃什么?纠结在收入待遇,在就业环境,在成长空间。其深层,还是在职业歧视。社会对广大职校生、对蓝领劳动者的工作缺乏应有的认同。尽管我们置身其中的生活样态已越来越丰富,选择机会也越来越多样。

摘要： 作为现代经济学的开山鼻祖,斯密虽然充分肯定了市场经济的重大意义,却又在某些流行成见的误导下,主张经济人只有利己心、没有利他心,等于给他们贴上了"天性自私贪婪"的"无赖"标签,结果成为市场经济污名化的理论第一人。只有从源头处正本清源,揭开经济人兼有利己和利他动机的真相,否定斯密经济学的"无赖"前提,我们才能为市场经济正名清誉,回应那些缺乏事实基础和正当理据的批评指责,纠正针对市场经营者的职业歧视。

摘要： 一个程序员转行送快递,媒体给他配的标题是"人到中年,活成职场狗不理".一名复旦毕业生选择做房产中介,全网叹惜"国家白培养了你".这个社会对某些职业有一种天然的居高临下,相比于传统上被认为是"上层职业"的教师、警察、医生、公务员,人们不仅认为基层服务行业技术含量低,没有成就感,而且自然而然地将这些从业者与不体面、不稳定、素质低甚至违法犯罪联系在一起.

摘要： 随着快递青年规模的快速增长,其社会公平感对维持社会的稳定发展越发重要.本文基于对外经济贸易大学“快递(外卖)小哥群体调查”的实证数据,研究了职业歧视经历对一线快递从业青年社会公平感的影响,分析发现:经历过职业歧视的快递小哥更可能有社会不公感;虽然主观经济地位的提升和社会融入程度的加深能够降低快递小哥认为社会不公的概率,但这两个因素并无法削弱职业歧视经历对快递小哥社会公平感的负面影响.因而,需要从职业歧视本身出发,降低甚至消除对快递小哥的职业歧视,从而达到提升其社会公平感、防范社会风险的目的.

摘要： 尽管家政服务人员供小于求,但是服务对象歧视、政策保障不完善、社会认同感低等困境使该领域从业者不断遭遇职业歧视问题.依托家政服务业不断发展的现实背景,结合霍耐特的"承认理论",对H市家庭服务人员从业情况展开实证研究,分析了其遭遇职业歧视的具体表现,以及在各个领域中家政服务人员获得认同的重要"他者",即雇主、政府和社会大众.为了摆脱职业歧视、提升职业认同,在改善服务关系、争取权利保障和建立专业品牌方面,设计了针对性策略.

摘要： 随着全面二胎政策的陆续放开,符合条件的职业女性,在升职还是生二胎上,难以选择.生二胎,势必会减少在职业中的时间而增加在家庭的时间,这将导致致力于在职场中有所发展的女性,在生育二胎的问题上三思而后行.即使性别歧视在当今社会有所改善,但是女性在职场上不如男性受欢迎的结果是显然的,当女性有了生二胎的可选项,用人单位对聘用女性以及考虑女性的职业发展上有所顾虑.研究结果表明,对于职业女性来说,全面二胎政策放开后,用人单位更偏爱招聘男性员工;女性在迁升的过程中,选择生育二胎将会影响她们晋升的道路;有些人选择生育二胎,不得不放弃工作;职业歧视越来越严重.

摘要： 本公开涉及一种抵抗联邦学习中歧视传播的节点模型的更新方法，上述方法包括：获取数据节点对应的节点模型；计算数据节点的训练数据对应的类别特征分布均值和数量比率，根据节点模型、类别特征分布均值和数量比率，计算分布加权聚合模型；根据节点模型和分布加权聚合模型计算数据节点对应的正则化项；计算数据节点对应的类别特征分布方差，根据类别特征分布均值和类别特征分布方差，使用跨域特征生成器计算数据节点所需的特征分布层面对应的类别均衡补充项；根据分布加权聚合模型、正则化项和类别均衡补充项更新节点模型。采用上述技术手段，解决现有技术中，缺少解决联邦学习中歧视传播的方案的问题。

摘要： 一种改善离子迁移谱中BN门歧视效应的离子门控制方法，包括：在第一预设时间间隔内，在第一组电极上施加第一电压，在第二组电极上施加第二电压；其中第二电压高于第一电压且两者的电压差为刚好使离子全部不能通过的临界关门电压差；在第二预设时间间隔内，在第一组电极与第二组电极上施加相同大小的电压，使离子能正常通过离子门；在第三预设时间间隔内，在第一组电极上施加第三电压，在第二组电极上施加第四电压；其中第三电压高于第一电压，第四电压高于第三电压且两者的电压差为刚好使离子全部不能通过的临界关门电压差。通过控制BN门的两组电极的电压在三态下随时间做周期性变化，实现了减轻离子门歧视性的同时提高了离子迁移谱仪的分辨率。

摘要： 本发明涉及一种低歧视离子门及控制方法，该装置由依次设置在离子迁移管内的离子源和法拉第盘之间的三个平行、同轴、间隔、绝缘的栅网1、栅网2和栅网3组成。栅网1和离子源之间的区域为反应区，栅网3与法拉第盘之间的区域为迁移区。通过周期性控制该离子门中三个栅网之间的电场，实现不同迁移率离子的低歧视注入。每个周期有三种状态：第一状态时，离子源，栅网1、栅网2和栅网3和法拉第盘上的电势依次降低；调至第二状态，栅网1和栅网2之间的电场方向与反应区及迁移区的电场方向相反，将该离子门调至第三状态，第三状态维持一段时间后，再次切换到第一状态，开始下一周期。这种离子门和控制方法，可以实现不同迁移率离子的低歧视注入。

摘要： 本发明涉及离子迁移谱仪器中离子迁移管的重要组件离子门，具体地说是一种实现迁移率K不同的离子均一、无歧视地通过的离子门装置及控制方法。其充分利用电场对离子空间分布和时域运动特性的影响，通过在离子迁移管内部离子迁移方向上依次设置能够透过离子的第一栅网、第二栅网和第三栅网，形成连接离子迁移管电离区和迁移区的独立离子门区；通过控制各个栅网电极上的电压随时间做周期性时序变化，一方面实现离子在离子门内的富集，另一方面消除不同离子透过离子门所需时间的差异，有利于IMS分辨能力和灵敏度的同时提高。

摘要： 本发明公开了一种基于可解释模型的文本歧视性样本检测生成系统与方法，该方法分三步对文本分类集中包含潜在的歧视性的种子样本进行定位，并检测和生成大量生成歧视性样本：首先通过知识图谱构建给定敏感特征集中所有敏感特征的对应词库和扰动词库；其次，从文本数据集中随机选择一部分样本通过可解释模型得到其Top‑k的重要特征，通过匹配敏感词库选择种子样本；最后通过遗传算法从种子样本中检测出歧视性样本，并生成大量的歧视性样本来重新训练模型，消除模型的歧视性。

摘要： 本公开涉及一种抵抗联邦学习中歧视传播的节点模型的更新方法，上述方法包括：获取数据节点对应的节点模型；计算数据节点的训练数据对应的类别特征分布均值和数量比率，根据节点模型、类别特征分布均值和数量比率，计算分布加权聚合模型；根据节点模型和分布加权聚合模型计算数据节点对应的正则化项；计算数据节点对应的类别特征分布方差，根据类别特征分布均值和类别特征分布方差，使用跨域特征生成器计算数据节点所需的特征分布层面对应的类别均衡补充项；根据分布加权聚合模型、正则化项和类别均衡补充项更新节点模型。采用上述技术手段，解决现有技术中，缺少解决联邦学习中歧视传播的方案的问题。

摘要： 本发明公开了一种基于个体实例对的深度学习模型去偏方法，通过定义深度学习模型偏见，选择原始数据集，进行数据预处理，生成个体歧视实例对，定义偏见指标函数，构建深度学习鲁棒性模型，将个体歧视实例对输入深度学习鲁棒性模型进行微调训练。本发明方法通过一种新的个体实例对生成的数据增强的方法解决了深度学习模型的公平性问题。本发明定义了一种新的偏见指标函数克服了现有评价指标对不同数据集具有功能不通用问题的缺陷，即单独使用某一偏见指标针对多个不同数据集的衡量结果可能不具有评判性。本发明提出了一种新的将对抗训练融入到微调训练中的方式，可以通过微小的再训练量达到较好的去偏效果。

摘要： 本发明涉及一种无歧视的蛋白质热稳定性分析方法用于筛选与配基分子有相互作用的靶蛋白。取蛋白质样品，分别加入和不加入配基分子进行孵育后，进行加热，分离上清液进行酶解和定量蛋白质组学分析，计算配基组和空白组的蛋白质定量结果的差异筛选出配基靶蛋白。本发明只在绝大多数蛋白质的热稳定性有较大变化的温度点进行实验，省去了对配基分子靶蛋白鉴定没有意义的温度点，直接计算配基组和空白组的蛋白质的差异而不去拟合曲线计算ΔTm，更加直观地反映出靶蛋白在加入配基组质和空白组的蛋白质热稳定性的不同，也可以避免很多具有不规则熔化曲线的靶蛋白因无法计算ΔTm而被遗漏，适用于所有对热有响应的蛋白质，提高了靶蛋白鉴定的覆盖度。

摘要： 克服歧视与偏见的人工智能教育反省机器人，包括：数据生成补充步骤；模型重新训练步骤；模型预测步骤。上述方法、系统和机器人，基于大数据和人工智能模型通过生成更多地数据来弥补不同类型用户的数据失衡问题，从而可以避免因数据失衡引起的人工智能偏见、歧视等弊端；同时通过多个人工智能模型来对用户数据进行预测，相互比照，来更早地发现问题，并由人工复核，从而可以更快更早地发现人工智能应用中存在的问题，并能及早进行改正和补救；这两个方面使得人工智能能够在数据和算法模型两个层面进行反省，在人工智能应用的很多领域都意义重大，例如应用于教育领域时能够极大减少甚至避免人工智能因为歧视、偏见等导致的教学事故和负面作用。

摘要： 本申请实施例提供一种歧视性样本生成方法和电子设备，涉及人工智能领域，该方法能够基于样本的梯度进行有指导性的扰动处理以生成多个歧视性样本，无需依赖第三方算法，性能高，歧视性样本生成效率高。具体方案为：根据样本的属性集合中的第一属性判断样本是否是歧视性样本；当样本不是歧视性样本，且未达到预设的扰动门限值，根据样本的梯度对样本进行第一扰动处理，得到扰动后的样本；当扰动后的样本不是歧视性样本，则对扰动后的样本重复进行上述第一扰动处理，直至扰动后的样本为歧视性样本或者第一扰动处理的次数达到预设的扰动门限值；当扰动后的样本是歧视性样本，根据扰动后的样本生成多个歧视性样本。本申请实施例用于生成歧视性样本。