研究发现女性使用生成性AI较少，原因是道德问题

牛津大学领导的一项新研究得出结论，女性使用生成性AI的频率远低于男性——这并不是因为她们缺乏技能，而是因为她们更担心AI对工作、隐私、心理健康和整个社会的危害。

作为未经授权的深度伪造内容的主要目标，女性在过去七年里一直与这类生成性AI的争议相关联，推动了一些值得注意的胜利。

然而，牛津大学领导的一项新研究认为，这种对女性在AI周围的担忧的刻画太过狭隘，发现女性使用所有类型的生成性AI的频率远低于男性——这并不是由于获取或技能的差距，而是因为她们更容易将其视为对心理健康、就业、隐私和环境的危害。

该论文指出：

‘使用2023-2024年的英国全国代表性调查数据，我们表明女性采用GenAI的频率远低于男性，因为她们对其社会风险的看法不同。 ‘

‘我们创建的一个综合指数，用于捕捉对心理健康、隐私、气候影响和劳动力市场破坏的担忧，解释了采用率的9-18%的变化，并在所有年龄段的女性中排名最高的预测因素——超过了年轻女性的数字素养和教育。’

研究人员指出，差距最大的群体出现在那些对AI的社会风险有强烈担忧的年轻、数字素养高的用户中，性别差异在个人使用方面达到45个百分点：

性别差异在高数字素养且对心理健康、气候、隐私和劳动力市场风险有强烈担忧的女性中最为明显，而最小的差异出现在对AI社会影响更乐观的群体中。 来源

通过在连续调查波中匹配类似的受访者，研究发现，当年轻女性对AI的社会影响变得更加乐观时，她们使用生成性AI的频率从13%增加到33%，显著缩小了差距。在担心气候危害的人群中，性别差异扩大到9.3个百分点，在担心心理健康危害的人群中，差异扩大到16.8个百分点，这并不是由于男性使用率的增加，而是由于女性使用率的显著下降。

作者因此确定了一个与性别相关的文化效应：

‘平均而言，女性表现出更多的社会同情、传统的道德担忧和对公平的追求。同时，道德和社会担忧被发现在技术的接受中发挥了作用。 ‘

‘关于GenAI在教育中的新兴研究表明，女性更有可能将AI用于课程或作业视为不道德的或等同于作弊、促进抄袭或传播错误信息。 ‘

‘对社会利益的更大关注可能部分解释了女性采用GenAI的较低率。’

他们认为，女性对此的看法是合理的：

‘[女性]对环境、社会和道德影响的敏感性并非毫无根据：生成性AI系统目前带有显著的能量需求、不均匀的劳动实践和众所周知的偏见和错误信息风险。 ‘

‘这表明，缩小性别差距不仅是改变看法的问题，也是改进底层技术本身的问题。鼓励低碳模型开发、加强偏见和福祉危害的防范以及增加供应链和训练数据实践的透明度的政策将解决合理的担忧——同时确保女性的风险意识成为技术改进的杠杆，而不是采用障碍。’

他们进一步指出，虽然这项研究显示了明显的采用差距，但其发现可能在英国以外的地区更为明显（这是新研究的地点）。

新论文的标题为‘女性担忧，男性采用：性别化的看法如何塑造生成性AI的使用’，来自牛津互联网研究所、比利时新经济思想研究所和柏林洪堡互联网与社会研究所的研究人员。

数据和方法

最近的研究表明，女性使用生成性AI（所有类型）的频率低于男性，尽管她们在能力或获取方面没有差异——这是近期以来导致性别工资差距的因素之一，与之前关于女性较低的互联网使用率与较低工资的趋势一致：

来自2023年的论文’互联网使用真的缩小了性别工资差距吗？：来自中国综合社会调查数据的证据’，一个图表显示互联网使用在较低的工资水平上更显著地缩小了性别工资差距，随着工资水平的提高，收益递减。 来源

对于这项新研究，作者使用了英国政府的公共态度与数据和AI跟踪调查的年度研究信息来分析AI相关风险的看法如何影响采用模式在性别间，隔离风险敏感性作为女性使用较低的关键因素。

GenAI性别差距在风险问题与其他特征结合时扩大；最大差距，如下图所示，在高数字素养且将AI视为心理健康风险的女性中出现，差距达到5.3个百分点：

GenAI使用的性别差异取决于态度和人口统计学。红色单元格显示男性比女性更常使用GenAI，特别是在个人使用中。最大差距出现在高数字素养且对心理健康风险有担忧的女性中。在工作环境中，差距随着对隐私或气候的担忧而扩大。蓝色单元格标记较小或逆转的差距。

心理健康问题往往放大了大多数群体的性别差异，年轻和更具数字素养的用户中效果最强，而隐私问题也扩大了差距，在某些工作环境中差距高达22.6个百分点。

即使在对AI的气候影响有担忧的老年受访者中，差距仍然很大，达到17.9个百分点，表明对危害的看法在女性中更为重要——包括整体AI使用较低的群体。

风险看法

为了确定风险看法如何影响采用，研究人员建立了一个综合指数，基于对AI对心理健康、气候、隐私和就业的影响的担忧。然后使用随机森林模型，按年龄和性别划分，发现AI相关风险看法在所有生命周期中一致地预测了生成性AI的使用——通常排名高于技能或教育，特别是对于女性：

按年龄和性别划分的随机森林模型显示，AI相关风险看法是女性使用生成性AI的更强预测因素，排名所有女性年龄组的前两位，并超过了数字素养和教育的影响。对于男性，数字素养占主导地位，而风险看法排名较低，发挥着不太一致的作用。模型表明，社会问题的关注更强烈地塑造了女性的AI采用，而不是传统的技能或人口统计学因素。请参阅源PDF以获得更好的可读性和一般分辨率。

在所有年龄组中，AI社会风险的担忧更强烈地预测了女性的生成性AI使用，而不是男性。对于35岁以下的女性，风险看法排名第二位的影响因素，相比之下男性排名第六，而在中年和老年群体中，风险看法排名第一位的影响因素，相比之下男性排名第二。

在模型中，风险看法占预测重要性的9%至18%，超过了教育和数字技能的衡量标准。

根据论文，这些结果表明，女性采用生成性AI的较低率源于更广泛的道德和社会问题，而不是个人风险的担忧。在这种情况下，犹豫似乎是由对AI可能对他人或社会造成危害的更强的认识驱动的，而不是对自己。

合成双胞胎

为了测试是否可以通过改变态度来改变行为，研究人员使用了合成双胞胎设计，匹配了连续调查波中的类似受访者。每个来自早期波的个人都与后期具有相同年龄、性别、教育和职业的受访者匹配。

然后，团队比较了那些提高了数字技能或对AI社会影响变得更加乐观的受访者中生成性AI使用的变化，允许他们隔离出更大的数字素养或减少的担忧是否实际上可以增加采用，特别是在年轻成年人中：

为了测试是否可以通过有针对性的改变来影响AI的使用，研究人员比较了那些提高了数字技能或对AI社会影响变得更加乐观的年轻成人。两种改变都增加了采用，但数字素养扩大了性别差距，帮助男性更多。相比之下，更加乐观的态度将女性的使用率从13%提高到33%，缩小了差距，表明解决道德问题可能比单纯的技能建设更有效。

提高数字素养提高了两性使用生成性AI的频率，但扩大了差距，男性受益更多。在整个样本中，女性的使用率从9%提高到29%，而男性从11%提高到36%。

在年轻成年人中，数字素养的提高使男性使用率从19%大幅提高到43%，而女性从17%提高到29%的增加很小且在统计学上不显著。相比之下，对AI社会影响更乐观的态度带来了更平衡的转变，女性使用率从13%提高到33%，男性从21%提高到35%。在整个样本中，女性从8%提高到20%，男性从12%提高到25%。

因此，论文表明，虽然数字技能的提高可以提高采用率，但也会扩大性别差距——重新塑造人们对AI更广泛影响的看法似乎更有效地提高了女性的使用率，而不会不成比例地提高男性采用率。

结论

这些发现的重要性似乎随着论文的展开而分叉；早些时候，正如上面所引用，作者将女性更大的全球关注和道德立场视为赞许。随着论文的结束，出现了一种更为犹豫和务实的观点——也许是在当前的精神状态下——作者们想知道女性是否会由于她们的道德警惕和疑虑而被“甩在后面”：

‘[我们的]发现指向了更广泛的制度和劳动力市场动态。如果男性在规范、期望和能力仍在形成的时期采用AI的速度远远高于女性，那么这些早期的优势可能会随着时间的推移而积累，影响生产力、技能发展和职业进步。 ‘

* 我将作者的内联引用转换为超链接。

首次发布于2026年1月8日星期四