定情况下解决问题”，转而关注那种数学上
细节问题，即使在当时，行业领袖也认为这些问题与编程越来越无关
。这些测试真正擅长评估是男人在当时更可能在学校里学到那种数学技能。它们也适合测试申请者是否有良好人脉：答案经常可以通过纯男性关系网获得，比如大学兄弟会和麋鹿会（美国兄弟会组织）。[61]
在卡内基梅隆大学夏校活动中，计算机科学教师认可是
种程序员刻板印象：孤僻怪才，社交技能很差，不讲个人卫生。1967年篇被广泛引用心理学论文指出，“对人不感兴趣”和“不喜欢与人密切接触活动”是“程序员显著特征”。[62]结果，公司找到这些人，他们成那代顶尖程序员，而他们心理状况则成种自
应验预言。
既然如此，这种隐藏偏见如今又卷土重来，也就不足为奇，这是因为有越来越多秘密算法参与到招聘过程中。美国数据科学家、《数学杀伤性武器》书作者凯茜·奥尼尔为英国《卫报》撰文，解释在线技术招聘平台Gild（现已被城堡资本公司收购并纳入公司内部[63]）如何通过梳理求职者“社交数据”，[64]也就是他们在网上留下痕迹，让雇主获得远超求职者简历信息。这些数据被用来根据“社交资本”给候选人排名，“社交资本”基本上是指程序员对数字社区有多
不可或缺。这可以通过他们在GitHub或StackOverflow等开发平台上共享和开发代码时间来衡量。但是Gild筛选出海量数据也揭示其他模式。
例如，根据Gild数据，经常访问某个特定日本漫画网站“预示着强大编码能力”。[65]因此，访问这个网站程序员会得到更高分数。这切听起来都很令人兴奋，但正如奥尼尔所指出，访问漫画网站就能得到加分，这实在让关心多样性人心中警铃大作。正如们所见，女性承担全世界75%无偿照护工作，她们可能没空花几个小时在网上聊漫画。奥尼尔还指出：“如果像大多数科技网站样，那个漫画网站也由男性主导，并且带有性别歧视基调，那这个行业中很多女性可能会避免使用它。”简而言之，Gild看起来有点像卡耐基夏校项目中那位男性计算机科学老师算法。
毫无疑问，Gild并无意创造种歧视女性算法。他们本意是消除人类偏见。但是，如果你不解这些偏见是如何运作，如果你不收集数据、不花点时间来建立基于证据程序，你就将盲目延续过去不公正
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
