🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
这项研究发现，英国议会在讨论女性权利时使用的语言，本身就编码着一套延续了两百年的偏见，哪怕说话的人是在支持女性。先看一句话。1873 年，一位叫珀西伯爵的英国议员在议会里说：“男人从一开始就被注定要统治女人，这是永恒的法令。”这句话反对女性拥有投票权，态度赤裸裸。
再看另一句。1867 年，另一位叫鲍耶爵士的议员支持女性投票，但他补充说：让女性亲自到投票现场是“明显有失体面的”，所以建议改用投票纸，这样“这个性别”就不必抛头露面了。
两个人立场完全相反，但你有没有觉得，第二句话哪里也不太对劲？
这篇论文研究的就是这件事。研究者分析了英国议会从 1803 年到 2005 年、跨越两百年的辩论记录，想弄清楚：支持方和反对方，仅仅是结论不同，还是他们连讲道理的方式都根本不一样？
② 研究问题（要回答什么？）
论文的核心问题是：在女性参政这件事上，赞成的人和反对的人，是从不同的前提出发，还是用了不同类型的性别化推理？
为了回答这个，作者借用了社会心理学里一个很有名的框架，叫双重性别歧视量表。它的洞察是：对女性的偏见不只有一种，而是有两副面孔。
第一副叫敌意型，就是直接的贬低和敌视：说女人无能、情绪化、爱操纵人、想抢男人的权力。
第二副叫善意型，这一副更隐蔽，甚至听上去像是在夸人：说女人纯洁、有道德感、心思细腻、需要被保护和呵护。听着是赞美，但它同时也在说——你们不适合走出家门去争斗。
这个框架原本是在实验室里用问卷验证出来的。作者想知道：在真实的、两百年的政治辩论里，它还成立吗？如果成立，两种性别歧视会怎么分布？
③ 研究方法（怎么做的？）
作者先做了一件很有价值的基础工作：把英国议会的公开记录整理成了一个可供研究的数据集。这个数据集包含1197828 场辩论、6783015 条发言、52661 位发言人，跨度 203 年。
但原始记录有个大问题：它不告诉你发言人的性别。作者用了一套层层递进的匹配办法——先看部长头衔，再查选区记录，再按时间对齐，最后用模糊字符串匹配。他们特意选择了“宁可少配，不可错配”的策略，因为错配会造成对真实历史人物的性别误指。最后在下议院达到了 89.3% 的匹配率；上议院只有 1.2%，所以直接放弃了上议院。
然后从 670 万条发言里，用两层关键词筛出了 6531 条和女性选举权相关的发言，跨度从 1809 到 2004 年。
接下来是判断。作者用 Claude Sonnet 4.6 给每条发言打两个标签：立场（支持 / 反对 / 兼有 / 无关）和性别歧视类型（敌意型 / 善意型 / 两者都有 / 都没有）。每个标签都必须能引用发言里的原话作为依据。
最关键的是他们没有直接信任模型。两位研究者手工标注了 300 条发言作为验证集，每人投入 40 小时——这些发言中位数长达 890 词，还是古英语，充满议会惯例。两人独立标完后，就 106 处分歧逐条讨论达成一致。此外还用 GPT-5、Gemini 2.5 Flash、DeepSeek V3 交叉验证，确保结论不是某个模型的怪癖。
④ 结果（发现了什么？）
先说立场分布。在六千多条与女性选举权相关的发言里，支持者占七成四，反对者占一成九。具体来说，6531 条发言里，模型判定 55% 其实和主题无关（关键词筛选的代价）。剩下 2942 条里，74% 支持，19% 反对，7% 立场混合。
男女议员的差别很明显：女性议员的支持率是 93%，男性议员是 70%，差异统计显著。而且女性议员在各个年代都稳定在 92% 到 97% 之间；男性议员则是从 1870 到 1899 年的 54% 一路涨到 1950 年后的 91%——换句话说，两者的差距只有在选举权问题彻底解决之后才真正消失。
但真正的发现在下一层。2942 条相关发言里，886 条（30%）含有某种性别歧视。按立场拆开看，结构完全不同。
21% 含歧视
其中八成是善意型
54% 含歧视
敌意与善意各半
从六成降到不足三成
两百年稳定在七到八成
支持女性权利的发言里，居然有 462 条含有性别歧视，而且几乎全是善意型——那种“夸奖式的束缚”。1992 年，牧师伊恩·佩斯利在欢迎一位女性议长时，称赞女性有着“某些男性所没有的温柔”。他确实在支持，但他也在给整个性别贴上一套固定的品质标签。
反对方的语言则直接得多，而且经常把两种歧视揉在一起。1905 年拉布谢尔先生说：“女人神经质、情绪化、几乎没有分寸感。”1872 年贝雷斯福德·霍普先生的说法更典型：“正是那些让女性成为我们家庭慰藉的品质，让她们不适合政治的艰苦搏斗。”——前半句是赞美，后半句是排除。
还有一个时间上的变化很有意思：敌意型的比例从 1870 到 1899 年的 60% 降到 1929 年后的 27% 到 30%，但善意型两百年来始终稳定在 74% 到 83%。直白的敌意慢慢变得说不出口了，温和的父权式赞美却几乎没有退场。
⑤ 讨论（这些发现说明什么？）
这项研究最值得琢磨的一句话是：进步的政策立场，不一定需要进步的推理方式。
一个人完全可以一边投票支持女性拥有选举权，一边在心里（以及在发言里）把女性想象成脆弱的、道德纯洁的、需要特殊照顾的。两者并不冲突。而这恰恰是最麻烦的地方——当偏见和支持的立场共存时，它就变得极难被指认和挑战。
作者还注意到一个耐人寻味的悖论：既然议会里支持的人（74%）远远多于反对的人（19%），为什么女性选举权的立法却拖了几十年才通过？他们的解释是，反对者虽然人数上是少数，却拥有不成比例的修辞影响力，并且发起了持续的阻挠。
还有一个方法论上的意义。这套做法——把大模型的分类能力和成熟的社会心理学分类体系结合起来——原则上可以搬到任何一种关于群体权利的立法辩论上：同性婚姻、移民、少数族裔权利。它让研究者不止能问“当时说了什么”，还能问“关于这些群体的推理方式，在几百年里是怎么变的”。
作者也很诚实地承认了几个软肋。性别歧视的标注对人和模型都很难：模型标出来的通常没错（精确率 0.77 到 0.86），但它会漏掉大约一半人类会标记的案例（召回率 0.43 到 0.46）——所以论文报告的比例很可能是低估。另外，善意型歧视藏在正面语言里，本来就比敌意型更难被发现，这意味着两种类型的检测难度不对等，可能对结论产生残余影响。
⑥ 结论（最终结论 + 启示）
这篇研究给出的核心结论是：对立的双方不只是结论不同，他们连关于性别的推理方式都不一样——而歧视的类型，和它是否存在同样有信息量。
反对方使用的是敌意型：贬低女性能力，主张男性权威。支持方一旦流露歧视，则几乎总是善意型：用理想化的赞美，把女性安放进一个与男性互补而非竞争的位置。这两种模式跨越两百年、跨越无数具体议题，结构惊人地稳定。
这个发现给双重性别歧视理论提供了一份罕见的自然情境证据——它原本主要靠问卷调查支撑，现在有了两百年真实政治辩论的验证。
作者最后提醒了一件事：权利既不是普世的，也不是不可逆的。他们举了美国罗诉韦德案在五十年后被推翻的例子。看清楚偏见是以什么形式被表达出来的，本身就是一种防御。研究团队把整理好的数据集公开了，希望更多人能用它继续追问这些问题。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
议会辩论记录是社会演变的高保真镜像。英国议会自 1801 年成立以来的辩论转录由 Hansard 档案完整保存，构成了跨两个世纪的政治话语连续观测。女性在 19 世纪的英国没有政治代表权，这一状况的转折由三部法案标记：1918 年《人民代表法》（30 岁以上并具财产资格的女性获投票权）、1918 年《议会（女性资格）法》（女性可参选），以及 1928 年《人民代表（平等选举权）法》（21 岁以上男女平权）。
历史学界对妇女参政运动本身已有丰富研究（Wingerden, 1999; Holton, 1996），但对实际使用的论证方式的计算分析仍属空白。本文的问题设定因此从“谁支持、谁反对”转向“支持与反对是否使用了根本不同类型的性别化推理”。既有 NLP 的议会语料研究集中于情感、立场与意识形态标度（Abercrombie & Batista-Navarro 系列；Slapin & Proksch 2008 的 Wordfish），性别取向的研究则关注风格与议题（Hargrave & Blumenau 2022; Blaxill & Beelen 2016），极少分析所部署的歧视之类型。本文正是在这一缺口上展开。
三项贡献：（1）释出一个经性别匹配、元数据增强的 670 万条议会发言数据集；（2）在双重性别歧视量表（ASI）框架下对历史政治话语中的性别歧视进行分类，为一个诞生于实验室的框架提供自然情境证据；（3）证明对立立场部署的是根本不同类型的性别化推理，而非仅仅不同的结论。
I. Theoretical Framework & Hypotheses（理论框架与假设）
操作框架取自 Glick 与 Fiske（1996）的双重性别歧视量表（Ambivalent Sexism Inventory, ASI）。其核心命题是：针对女性的偏见由两种彼此相连却性质不同的形式构成——敌意型性别歧视（HS），公开负面、将女性刻画为低劣，尤其针对挑战男性权威者；善意型性别歧视（BS），表面正面甚至骑士风度，却通过把女性建构为纯洁、脆弱、需要保护而限制其角色。二者在政治话语中的区分至关重要，因为排斥既可以通过直接敌意实现，也可以通过家长式的尊崇实现，而一个二元的“是否歧视”标签会把两者混为一谈。
| 域 | 敌意型（贬低、控制） | 善意型（理想化、限制） |
|---|---|---|
| 家长主义 | 支配式家长主义：女性需要男性权威 | 保护式家长主义：男性应照顾并庇护女性 |
| 性别区分 | 竞争式性别区分：男性在公共生活中更胜任 | 互补式性别区分：女性具有独特的纯洁、道德敏感与养育特质 |
| 异性关系 | 异性敌意：女性以性作为操纵手段 | 异性亲密：没有女性伴侣的男性是不完整的 |
ASI 预测：敌意型惩罚挑战现状的女性，善意型奖励顺从传统角色的女性。若该预测成立于真实议会语料，则应观察到敌意型集中于反对方、善意型集中于支持方——这构成本文可证伪的核心经验预期。
立场标注为四个互斥类别：For（主张扩大女性政治参与）、Against（反对女性更广泛地参与公共领域）、Both（含混合或矛盾表述）、Irrelevant（用于过滤关键词检索引入的假阳性）。
M. Materials & Methods（材料与方法）
- 语料构建：从 Hansard 议会语料库（Parliament, 2018）采集 1,197,828 场辩论、6,783,015 条发言、52,661 位发言人，覆盖 1803–2005 年上下两院。
- 性别匹配：采用级联策略——部长头衔 → 选区记录 → 时间对齐 → 基于 Levenshtein 距离阈值的模糊字符串匹配。作者明确以精确率优先于召回率，理由是避免对真实历史人物的性别误指。下议院覆盖率 89.3%，上议院仅 1.2%，故分析限于下议院。
- 下议院子集：5,575,783 条发言，其中 4,980,711 条完成性别匹配；男性议员 12,395 人（4,829,844 条发言），女性议员 254 人（150,867 条发言）。
- 主题检索：两层关键词检索。第一层匹配显式术语（如
women's suffrage、votes for women）；第二层匹配 women/female 与投票相关词的邻近共现。产出 6,531 条发言（1809–2004），涉及 2,307 位发言人（男性 86.6%、女性 6.6%、性别未知 8.0%）。辩论密度集中于 1900–1935 年，恰好夹在 1918 与 1928 两个立法节点之间。 - 分类模型：Claude Sonnet 4.6（经 Anthropic API）。对每条目标发言提供前后各最多 5 条发言作为上下文，与人工标注设置一致，以便模型理解指代与隐含论证。每个性别歧视标记必须由发言中的逐字引文支撑。
- 人工验证集：从 6,531 条中按语料密度比例均匀随机抽取 300 条（记为验证集）。两位标注者（一男一女）为计算社会科学研究者，各投入 40 小时；发言中位长度 890 词、95 分位 3,521 词。使用自建 Streamlit 应用以随机顺序呈现，避免年代聚簇偏误。作者说明众包不适用：Hansard 含古英语、复杂议会惯例与冗长修辞，需要基于政治与社会理论的解释性判断。
- 分歧解决：两位标注者独立标注后，就 106 处分歧（立场 62 处、性别歧视子类 44 处）通过讨论达成一致，形成最终人工标签。
- 基线对照：多数类基线、TF-IDF + 逻辑回归（5 折交叉验证）、DeBERTa-v3 零样本（经 NLI）。
- 跨模型验证：另用 GPT-5、Gemini 2.5 Flash、DeepSeek V3 重复分类，计算两两一致性，以排除单一模型的评判偏好（Chehbouni et al., 2025）。
- 情感混淆检验：对全部 886 条含歧视发言运行在 SST-2 上微调的 DistilBERT 情感分类器，检验敌意/善意之分是否只是情感极性的代理。
R. Results（结果）
- 分类效度：Claude Sonnet 4.6 与人工标签的一致率 83.3%、Cohen's κ = 0.711，高于两位标注者之间的一致水平（79.3%，κ = 0.644）。所有非 LLM 基线均显著落后。
| 方法 | 一致率 | Cohen's κ |
|---|---|---|
| 多数类基线 | 53.7% | 0.000 |
| DeBERTa-v3 零样本（NLI） | 50.3% | 0.269 |
| TF-IDF + 逻辑回归（5 折） | 68.7% | 0.419 |
| 人—人一致 | 79.3% | 0.644 |
| Claude Sonnet 4.6 | 83.3% | 0.711 |
- 分类别表现：For（P=0.82, R=0.79, F1=0.80, n=96）、Against（P=0.81, R=0.70, F1=0.75, n=30）、Irrelevant（P=0.86, R=0.94, F1=0.90, n=161）；稀有类 Both 表现差（P=0.40, R=0.15, F1=0.22, n=13）。宏平均 F1 = 0.67，加权 F1 = 0.82。
- 跨模型一致性：与人工标签的 κ 分别为 Claude 0.711、GPT-5 0.692、DeepSeek 0.658、Gemini 0.533；Claude 与 DeepSeek 之间 κ = 0.777。
- 立场分布：6,531 条中 55% 被判为无关；2,942 条相关发言中 74% 支持、19% 反对、7% 兼有。按年代看支持率单调上升：pre-1870 为 54%，1870–1899 为 53%，1900–1918 为 64%，1919–1928 为 75%，1950 年后反对声几近消失。
- 性别差异：女性议员支持率 93%，男性议员 70%，差异统计显著；控制年代的逻辑回归中性别仍为显著预测因子，
odds ratio = 2.01。女性议员跨年代稳定在 92%–97%，男性议员由 1870–1899 年的 54% 升至 1950 年后的 91%——收敛只发生在选举权议题落定之后。 - 性别歧视总体分布：2,942 条相关发言中 886 条（30%）含至少一种歧视；其中敌意型 392 条、善意型 706 条、两者兼具 212 条。
| 类别 | 支持方 (n=2,167) | 反对方 (n=570) | 兼有 (n=205) |
|---|---|---|---|
| 无歧视 | 79% | 46% | 43% |
| 仅敌意型 | 2% | 20% | 8% |
| 仅善意型 | 17% | 11% | 29% |
| 敌意与善意兼具 | 2% | 24% | 20% |
- 核心非对称：支持方 21% 含歧视，其中善意型独占 81%、敌意型独占仅 11%；反对方 54% 含歧视，且三分天下——仅敌意 37%、仅善意 19%、两者兼具 44%。这一分布正是 ASI 所预测的结构。
- 时间趋势：敌意型占含歧视发言的比例由 1870–1899 年的 60% 降至 1929 年后的 27%–30%；善意型则在整个语料期间稳定维持在 74%–83%。
- 情感混淆排除：在反对方发言中，敌意型 88%、善意型 86% 均为负向情感；全语料中敌意型 87%、善意型 77% 为负向。由于两类均以负向情感为主，单纯的情感分类器无法区分二者，证明该分类捕捉的是修辞结构而非表层情感。
- 典型引文：反对方——“男人从一开始就被注定统治女人，这是永恒的法令”（Earl Percy, 1873，敌意型/支配式家长主义）；“女人神经质、情绪化、几乎没有分寸感”（Mr. Labouchere, 1905，竞争式性别区分）；“正是那些让女性成为我们家庭慰藉的品质，使她们不适合政治的艰苦搏斗”（Mr. Beresford Hope, 1872，敌意与善意的复合）。支持方——主张女性投票却认为亲赴投票现场“明显有失体面”（Sir George Bowyer, 1867）；欢迎女性议长时称赞其“某些男性所没有的温柔”（Rev. Ian Paisley, 1992，互补式性别区分）。晚至 1982 年仍有 Sir Nicholas Bonsor 将女性参与描述为“对男性的尖声聒噪的攻击”。
a / D. Discussion & Conclusion（讨论与结论）
- 核心论断：议会中关于女性政治权利的分歧，不是结论之别，而是修辞策略之别。表现出歧视的支持者使用的是“限制性的赞美”，反对者则是直接的轻蔑。这为 ASI 的功能性预测提供了自然情境证据——敌意型惩罚挑战现状者，善意型奖励角色顺从者——此前该区分主要依赖问卷研究。
- 时序上的道德成本差异：20 世纪敌意型比例的下降与善意型的稳定共存，提示公开敌意先于家长式框架变得社会成本高昂。而正因善意型伪装成对女性的正面评价，它比公开敌意更难被察觉与挑战（Glick & Fiske, 1996）。
- “进步立场不需要进步推理”：462 条支持性发言含有歧视，几乎全为善意型。若性别歧视假设能与支持性政策立场共存，那么它在当代话语中同样可能难以识别——这是本文最具当下意义的推论。
- 多数与拖延的悖论：议会内支持（74%）远超反对（19%），立法却拖延数十年。作者据此推断反对者虽为议会少数，却拥有不成比例的修辞影响力并发起持续阻挠。
- 方法可迁移性：把 LLM 分类与成熟的社会心理学分类体系结合，可推广到任何群体权利的立法辩论语料（1918 年女性选举权、2004 年平等婚姻、当下的国际机构审议），使研究者得以追问歧视性推理的类型如何随世纪演变，而不仅是方向。作者将本工作与 Card et al.（2022）对 140 年美国移民框架的分析并置，主张 LLM 为历史文本提供了新的规模化透镜。
- 局限：（1）主判官为单一模型（Claude Sonnet 4.6），虽有三模型交叉验证；（2）关键词检索双向失真——既漏掉不含检索词的相关发言（构成召回上限），也误收“franchise”指男性选举权等情形（由相关性分类器过滤）；（3）仅分析下议院；（4）歧视类型与立场的相关可能部分反映检测难度——敌意型更显眼，善意型嵌于表面正面的语言中；情感混淆分析部分缓解此虑，但残余不对称仍可能存在；（5）模型精确率 0.77–0.86 但召回率仅 0.43–0.46，所报告的各立场歧视率很可能是真实值的低估；（6）二元性别分类简化了性别的连续谱系，作者说明这反映历史议会记录中可得的类别；（7）议会发言是受形式、劝服与听众预期规范塑造的制度性话语，未必直接等同于私人信念。
- 伦理声明：逐字复现歧视性引文仅为学术分析目的而非认可；Hansard 为公开政府记录。
- 资源释出：数据集与可复现代码公开于
github.com/Social-Insights-Lab/Two-Centuries-of-Sexism。KhudaBukhsh 部分受联想公司资助。
🧠 IRMaD 思维导图
mindmap
root((两百年议会的性别歧视))
I 引言
议会记录映照社会变迁
一九一八与一九二八立法
史学丰富但计算分析空白
问的是怎么讲道理
R 理论
双重性别歧视量表
敌意型贬低与控制
善意型理想化与限制
三域各有两种变体
预期敌意对反对善意对支持
M 方法
六百七十万条发言
下议院性别匹配八成九
两层关键词筛出六千余条
前后各五条作为上下文
三百条人工验证四十小时
四个模型交叉验证
R 结果
相关发言七成四支持
女议员支持率九成三
支持方两成一含歧视
反对方五成四含歧视
敌意下降善意不退
情感分类器无法区分
a 讨论
分歧在推理方式而非结论
赞美也可以是束缚
少数派拥有超额修辞影响
模型漏检导致低估
D 结论
歧视类型与是否存在同样重要
进步立场不需进步推理
权利并非不可逆
数据集公开供后续研究
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。