Разница между мужиком и мужчиной: Чем мужик отличается от мужчины — основные отличия понятий

Создан 21 авг.

4,6191515 серебряных знаков3535 бронзовых знаков

Ваша конфиденциальность

Нажимая «Принять все файлы cookie», вы соглашаетесь, что Stack Exchange может хранить файлы cookie на вашем устройстве и раскрывать информацию в соответствии с нашей Политикой в ​​отношении файлов cookie.

Принимать все файлы cookie Настроить параметры

миф о том, что у мужчин и женщин разные мозги

Искусственно окрашенный трехмерный снимок человеческого мозга с помощью магнитно-резонансной томографии.Предоставлено: К. Х. Фунг / Научная фотобиблиотека

Гендерный мозг: новая нейробиология, которая разрушает миф о женском мозге Джина Риппон Голова Бодли (2019)

В начале года Гендерный мозг когнитивный нейробиолог Джина Риппон описывает одно из бесчисленных исследований мозга, о которых было объявлено как «наконец» объяснение разницы между мужчинами и женщинами. Это был анализ магнитно-резонансной томографии (МРТ) 21 мужчины и 27 женщин, проведенный исследователями из Калифорнийского университета в Ирвине (R.Дж. Хайер и др. . NeuroImage 25 , 320–327; 2005). Крошечный по сегодняшним меркам, это краткое сообщение, тем не менее, превратилось в настоящий рекламный тур, от газет и блогов до телевидения, книг и, в конечном итоге, обучения учителей и конференций по корпоративному лидерству.

Однажды утром в 2010 году я проснулся и увидел особенно плохую экстраполяцию этого исследования на программу Early Show , транслируемую американской телекомпанией CBS. Ведущий, Гарри Смит, хлынул, когда медицинский корреспондент Дженнифер Эштон заявила, что у мужчин «серого вещества в шесть с половиной раз больше», чем у женщин, тогда как у женщин «в десять раз больше белого вещества», чем у мужчин.Затем последовали очевидные шутки о талантах мужчин в математике и сверхъестественных способностях женщин к многозадачности. Неважно, что эти различия потребуют, чтобы женские головы были примерно на 50% больше, или что команда Ирвина даже не сравнивала объемы мозга, а исследовала корреляцию между IQ и показателями серого или белого вещества.

История исследований половых различий изобилует неграмотностью, неправильным толкованием, предвзятостью публикаций, слабой статистической мощностью, неадекватным контролем и еще хуже.Риппон, ведущий голос против плохой нейробиологии половых различий, обнаруживает в этой амбициозной книге так много примеров, что она использует метафору «бей крота», чтобы вызвать вечный цикл. Исследование мозга призвано выявить разницу между мужчинами и женщинами; это преподносится как «Наконец-то правда!», высмеивая политкорректность; другие исследователи обнаруживают некоторую раздутую экстраполяцию или фатальный недостаток дизайна; и, если повезет, ошибочное заявление исчезает — до тех пор, пока следующий апостериорный анализ не даст еще один момент «Ага!», и цикл повторится.Как показывает Риппон, эта охота на различия в мозге «энергично проводилась на протяжении веков с использованием всех техник, которые могла использовать наука». И он резко вырос за последние три десятилетия, с тех пор, как в бой вступили исследования МРТ.

Тем не менее, как показывает The Gendered Brain , окончательные выводы о половых различиях мозга не материализовались. Помимо «недостающих пяти унций» женского мозга, о которых злорадствует с девятнадцатого века, современные нейробиологи не выявили никаких решающих, определяющих категорию различий между мозгом мужчины и женщины.В женском мозге обработка речи не распределяется по полушариям более равномерно, чем в мужском, как было заявлено в небольшом исследовании Nature 1995 г., но крупномасштабный метаанализ 2008 г. опровергнут (BA Shaywitz et al . 373 , 607–609 (1995) и IE Sommer и др. . Brain Res. 1206 , 76–88; 2008). Размер мозга увеличивается с размером тела, а некоторые особенности, такие как соотношение серого и белого вещества или площадь поперечного сечения нервного тракта, называемого мозолистым телом, немного нелинейно масштабируются с размером мозга.Но это различия в степени, а не в характере. Как отмечает Риппон, они не видны, когда мы сравниваем мужчин с маленькими головами и женщин с большими головами, и не имеют никакого отношения к разнице в хобби или заработной плате.

Центральное послание Риппона состоит в том, что «гендерный мир порождает гендерный мозг». Ее книга стоит вместе с « Inferior » Анджелы Шайни и « Delusions of Gender » Корделии Файн 2010 в искоренении «нейросексизма», который пронизывал попытки понять различия на уровне мозга.Это сочная история, которую было бы очень весело читать, если бы все это действительно было в прошлом. К сожалению, родинки продолжают появляться. Риппон начинается с цитаты 1895 года социального психолога Гюстава Ле Бона, который использовал свой портативный цефалометр, чтобы заявить, что женщины «представляют собой самые низшие формы человеческой эволюции». Она заканчивает в 2017 году, когда инженер Google Джеймс Дамор ведет блог коллегам о «биологических причинах» нехватки женщин на технических и руководящих должностях.

Как показывает Риппон, охота за доказательством неполноценности женщин в последнее время перешла в охоту за доказательством «взаимодополняемости» мужчин и женщин.Итак, эта линия гласит, что женщины на самом деле не менее умны, чем мужчины, просто «разные» в том смысле, что это совпадает с библейскими учениями и статус-кво гендерных ролей. Таким образом, считается, что женский мозг настроен на сочувствие и интуицию, тогда как мужской мозг должен быть оптимизирован для рассудка и действий.

Именно так исследователи из Пенсильванского университета в Филадельфии сформулировали широко разрекламированное МРТ-исследование 2014 года, которое заставило общественное воображение представить мужской и женский мозг как диаметрально противоположные карты метро: связи у женщин в основном связаны между полушариями у мужчин внутри них (М.Ingalhalikar и др. . Proc. Natl Acad. Sci. США 111 , 823–828; 2014). Однако на карте отсутствует подавляющее большинство связей, которые не различались между подростками-участниками исследования; он также не контролировал связанное с половым созреванием созревание или, опять же, размер мозга, все это уменьшает очевидные различия между мужчинами и женщинами.

Итак, если это не аппаратная проводка мозга, как мы можем объяснить зачастую резкие различия в поведении и интересах между мужчинами и женщинами? Здесь мы подходим к тезису Риппона о влиянии гендерного мира на человеческий мозг.Она строит свою версию из четырех свободно определенных частей: от грязной истории исследований половых различий до современных методов визуализации мозга, появления социальной когнитивной нейробиологии и удивительно слабых доказательств половых различий в мозге новорожденных. Риппон показывает, как детские «церебральные губки», вероятно, различаются благодаря ярко выраженной розовой и синей культурам, в которых они пропитаны с момента пренатального секса.

Часть 4 переносит нас в двадцать первый век, хотя и не к счастливому концу.Основное внимание в нем уделяется женщинам в науке и технологиях, а также тому, как гендерный мир, включая профессионализацию науки и мужской стереотип «блеска», препятствует их вступлению в эту высокостатусную сферу и продвижению по ней. Талантливые женщины считаются «рабочими лошадками», мужчины — «дикими гениями», и это различие, которое дети усваивают к шести годам, согласно исследованиям Лин Биан, Сары-Джейн Лесли и Андрея Цимпьяна (L. Bian et al . Am. Psychol. 73 , 1139–1153; 2018).И все это влияет на цикл формирования мозга, состоящий из различных ожиданий, уверенности в себе и рискованного поведения, который ведет мальчиков и девочек по разным траекториям карьеры и успеха.

В этом заключительном фокусе объясняется подзаголовок книги «Новая нейронаука, разрушающая миф о женском мозге». Зачем ограничивать объем книги о разоблачении разницы в мозгах женщинами? Сначала я подумал, что это удар по книге Луанна Бризендин « The Female Brain » 2006 года, врезанный в эти самые страницы (R.М. Янг и Э. Балабан Nature 443 , 634; 2006 г.). Или, возможно, для того, чтобы подчеркнуть, что «женский мозг» оценивается как странный вариант настоящего, как мы говорим о «женщине-физике» или «женщине-хирургу».

Каким бы ни был подзаголовок, книга достигает своей цели — развенчания концепции гендерного мозга. Мозг не более гендерный, чем печень, почки или сердце. Ближе к концу Риппон заигрывает с последствиями этого открытия для растущего числа людей, переходящих или живущих между текущими бинарными гендерными категориями.Но на данный момент, заключает она, большинство из нас по-прежнему скованы «биосоциальными смирительными рубашками», которые уводят в основном однополый мозг по тому или иному культурно-гендерному пути.

границ | Различия в мозге мужчин и женщин: данные глубокого обучения

Введение

Недавние исследования показывают, что пол может оказывать существенное влияние на когнитивные функции человека, включая эмоции, память, восприятие и т. Д. (Cahill, 2006). У мужчин и женщин есть разные способы кодирования воспоминаний, ощущения эмоций, распознавания лиц, решения определенных проблем и принятия решений.Поскольку мозг контролирует познание и поведение, эти связанные с полом функциональные различия могут быть связаны с гендерной структурой мозга (Cosgrove et al., 2007).

Визуализация тензора диффузии (DTI) — эффективный инструмент для характеристики архитектуры нервных волокон. Вычисляя параметры фракционной анизотропии (FA) в DTI, можно количественно оценить анизотропию нервных волокон (Lasi et al., 2014). Считается, что различия в значениях FA связаны с процессами развития, такими как калибр аксонов, миелинизация и / или волоконная организация путей нервных волокон.Вычисляя FA, исследователи выявили тонкие изменения, связанные с нормальным развитием мозга (Westlye et al., 2009), обучением (Golestani et al., 2006) и здоровым старением (Kochunov et al., 2007). Тем не менее, существующие исследования еще не предоставили последовательных результатов по изучению разницы в структуре мозга между мужчинами и женщинами. Ingalhalikar et al. (2014) утверждали, что мужчины имеют большую межполушарную связь через мозолистое тело, в то время как женщины имеют большую межполушарную связь.Однако в других исследованиях не сообщалось о значительных гендерных различиях в структуре мозга (Raz et al., 2001; Salat et al., 2005). В недавней статье с критическим мнением было высказано предположение, что необходимы дополнительные исследования, чтобы выяснить, действительно ли у мужчин и женщин разные структуры мозга (Joel and Tarrasch, 2014).

В большинстве существующих исследований DTI использовались статистические методы на уровне группы, такие как пространственная статистика на основе трактов (TBSS) (Thatcher et al., 2010; Mueller et al., 2011; Shiino et al., 2017). Однако недавние исследования показали, что методы машинного обучения могут предоставить нам более мощный инструмент для анализа изображений мозга (Shen et al., 2010; Лу и др., 2017; Tang et al., 2018). В частности, глубокое обучение может извлекать нелинейную структуру сети, реализовывать аппроксимацию сложной функции, характеризовать распределенное представление входных данных и демонстрировать мощную способность изучать основные характеристики наборов данных на основе небольшого размера выборок (Zeng et al., 2016, 2018a; Tian et al., 2018; Wen et al., 2018). В частности, глубокая сверточная нейронная сеть (CNN) использует ядра свертки для извлечения особенностей изображения и может находить характерные пространственные различия в изображениях мозга, что может обещать лучший результат, чем использование других традиционных методов машинного обучения и статистических методов (Cole et al. al., 2017).

В этом исследовании мы выполнили анализ изображений FA на основе CNN и извлекли особенности скрытых слоев, чтобы исследовать разницу между мозгом мужчины и женщины. В отличие от обычно используемой 2D-модели CNN, мы новаторски предложили 3D-модель CNN с новой структурой, включающей 3 скрытых слоя, линейный слой и слой softmax. Каждый скрытый слой состоит из сверточного слоя, слоя пакетной нормализации, слоя активации и следующего за ним уровня объединения. Эта новая модель CNN позволяет использовать все трехмерное изображение мозга (т.е., DTI) в качестве входных данных для модели. Линейный слой между скрытыми слоями и слоем softmax уменьшает количество параметров и, следовательно, позволяет избежать проблем с чрезмерной подгонкой.

Материалы и методы

Сбор и предварительная обработка данных МРТ

База данных, используемая в этой работе, взята из проекта Human Connectome Project (HCP) (Van Essen et al., 2013). Эта база данных открытого доступа содержит данные по 1065 субъектам, в том числе 490 мужчинам и 575 женщинам. Возрастной диапазон от 22 до 36 лет.Эта база данных представляет собой относительно большой размер выборки по сравнению с большинством исследований нейровизуализации. Использование этого набора данных с открытым доступом позволяет тиражировать и расширять эту работу другими исследователями.

Мы выполнили предварительную обработку данных DTI, включая преобразование формата, извлечение изображения b0, извлечение мозга, коррекцию вихревых токов и вычисление тензора FA. Первые четыре шага были обработаны с помощью диффузионного конвейера HCP, включая взвешивание диффузии (bval), направление (bvecs), временные ряды, маску мозга, файл (grad_dev.nii.gz) для градиентных нелинейностей во время подбора модели и файлы журнала обработки EDDY. На последнем этапе мы используем dtifit для вычисления тензоров, чтобы получить FA, а также значения среднего коэффициента диффузии (MD), аксиального коэффициента диффузии (AD) и радиального коэффициента диффузии (RD).

Исходные данные были слишком велики для обучения модели, и это могло вызвать проблему ИСЧЁТ РЕСУРСОВ во время обучения из-за нехватки памяти графического процессора. В эксперименте мы использовали графический процессор NVIDIAN TITAN_XP с объемом памяти 12 ГБ каждый. Чтобы решить эту проблему, мы увеличили размер изображения FA до [58 × 70 × 58].Эта процедура может привести к лучшему результату классификации, поскольку меньший размер входного изображения может обеспечить большее воспринимающее поле для модели CNN. Чтобы выполнить масштабирование изображения, «dipy» (http://nipy.org/dipy/) использовался для чтения данных .nii FA. Затем «ndimage» в SciPy (http://www.scipy.org) использовался для уменьшения размера данных. Масштабированные данные записывались в файлы TFRecord (http://www.tensorflow.org) с соответствующими метками. Формат файла TFRecord — это простой двоичный формат, ориентированный на записи, который широко используется в приложении Tensorflow для обучающих данных, чтобы обеспечить высокую производительность ввода.Этикетки были переведены в формат горячего. Мы реализовали конвейер для асинхронного чтения данных из TFRecord в соответствии со спецификацией интерфейса, предоставленной Tensorflow (Abadi et al., 2016). Конвейер включал чтение файлов TFRecord, декодирование данных, преобразование типов данных и изменение формы данных.

Модель CNN

Мы проводили эксперименты на рабочей станции с графическим процессором, которая имеет четыре графических процессора NVIDIA TITAN Xp. Операционная система рабочей станции GPU — Ubutnu16.04.Мы использовали FSL для предварительной обработки данных. Модель CNN была разработана с использованием фреймворка машинного обучения с открытым исходным кодом Tensorflow (Abadi et al., 2016).

Конструкция модели

Обычно используемые структуры CNN основаны на 2D-изображениях. При использовании 2D CNN для обработки 3D-изображений МРТ необходимо сопоставить исходное изображение с разных направлений, чтобы получить 2D-изображения, которые будут терять информацию о пространственной структуре изображения. В этом исследовании мы разработали трехмерную CNN с трехмерными сверточными ядрами, что позволило нам извлечь трехмерные структурные особенности из изображений FA.Кроме того, традиционная модель CNN обычно использует несколько полносвязных слоев для соединения скрытых слоев и выходного слоя. Полностью связанный слой может быть подвержен проблеме чрезмерной подгонки в двоичной классификации, когда количество выборок ограничено (как наши данные). Чтобы решить эту проблему, мы использовали линейный слой, чтобы заменить полностью связанный слой. Линейный слой объединяет выходные данные скрытых слоев (т. Е. Трехмерную матрицу, состоящую из нескольких карт функций) во входные данные (то есть одномерный вектор) выходного слоя, который является классификатором softmax.Кроме того, мы выполняли пакетную нормализацию (Ioffe and Szegedy, 2015) после каждой операции свертки. Пакетная нормализация используется, чтобы избежать проблемы внутреннего ковариатного сдвига при обучении модели CNN. Таким образом, разработанная нами модель представляет собой трехмерную «чистую» CNN (3D PCNN). Архитектура модели 3D PCNN показана на рисунке 1. 3D PCNN состоит из трех скрытых слоев, линейного слоя и слоя softmax. Каждый из скрытых слоев содержит сверточный слой, слой пакетной нормализации, слой активации, слой объединения с несколькими картами функций в качестве выходных данных.

Рисунок 1 . 3D-архитектура PCNN.

Сверточный слой

Процесс сверточного слоя заключается в свертке входного вектора I с ядром свертки K , представленным как I ⊗ K . Форма входного вектора в нашей 3D-модели PCNN была [ n, d, w, h, c ], где d, w, h, c представляют глубину, ширину, высоту и номера каналов (что равно 1 для изображение в градациях серого) входного вектора, соответственно, а n — размер пакета, который является гиперпараметром, который в этой статье был установлен на 45 (эмпирическое значение).В первом слое входной размер составлял 58 × 70 × 58 × 1, что представляло собой трехмерный размер (58 × 70 × 58) входного изображения плюс один канал (изображение в градациях серого). Форма ядра свертки была [ d _k , w _k , h _k , c _дюйм , c _out ], где d _k , w _k , h _k представляет глубину, ширину и высоту ядра свертки, соответственно.Во всех трех скрытых слоях размер ядра был установлен равным 3 × 3 × 3, что означает, что d _k = w _k = h _k = 3. c _в — это количество входных каналов, которое равно номеру канала входного вектора. c _out — количество выходных каналов. Поскольку каждое ядро ​​имеет выходной канал, c _out равно количеству ядер свертки, а также количеству входных каналов для следующего скрытого слоя.Во всех сверточных слоях шаг движения ядра был установлен на 1, а режим заполнения был на «ЖЕ».

Слой пакетной нормализации

Пакетная нормализация была выполнена после сверточного слоя. Пакетная нормализация — это своего рода обучающий прием, который нормализует данные каждого мини-пакета (с нулевым средним и единичной дисперсией) в скрытых слоях сети. Чтобы облегчить явление градиентного внутреннего ковариатного сдвига и ускорить обучение CNN, для обучения модели использовался метод Adam Gradient Decent (Kingma and Ba, 2015).

Активационный слой

После операции пакетной нормализации была использована функция активации для нелинейной обработки результата свертки. Функцией активации, которую мы использовали в модели, была выпрямленная линейная единица ReLU (Nair and Hinton, 2010).

Уровень объединения

Уровень объединения был добавлен после слоя активации. Слои объединения в CNN суммируют выходы соседних групп нейронов в одной и той же карте ядра (Крижевский и др., 2012). В этом слое использовался метод максимального объединения.

Выходными данными каждого скрытого слоя были карты объектов, которые представляли собой объекты, извлеченные из входных изображений в скрытый слой. Выходные данные предыдущего скрытого слоя были входами для следующего уровня. В нашей модели первый скрытый слой сгенерировал 32 карты функций, второй скрытый слой создал 64 карты функций, а третий скрытый слой дал 128 карт функций. Наконец, мы интегрировали последние 128 карт объектов во входные данные слоя softmax через линейный слой, а затем получили окончательные результаты классификации из слоя softmax.

В нашей модели вход X ∈ { x ⁽¹⁾ , x ⁽²⁾ ,…, x ^{( n )} }, x ^{( i )} было и значением FA объекта. Y ∈ { y ⁽¹⁾ , y ⁽²⁾ ,…, y ^{( n )} }, y ^{( i )} было i метка субъекта, которые были обработаны в один горячий вектор, где [1 0] представляет мужчину и [0 1] женщину.Мы использовали h ( θ , x) для представления предлагаемой 3D-модели PCNN. Тогда у нас было:

, где ŷ представляет собой прогнозируемое значение, полученное с использованием 3D PCNN на выборке x.

Оптимизация параметров

Начальные значения весов ядер свертки были случайными величинами, выбранными из усеченного нормального распределения со стандартным отклонением 0,1. Мы определили функцию стоимости для корректировки этих весов на основе перекрестной энтропии softmax (Dunne and Campbell, 1997):

Таким образом, задача корректировки значения веса превратилась в проблему оптимизации с J (θ, x ) в качестве цели оптимизации, где небольшой штраф давался, если результат классификации был правильным, и наоборот.Мы использовали алгоритм оптимизации Adam Gradient Descent (Kingma and Ba, 2015) для достижения этой цели при обучении модели. Все параметры в алгоритме Адама были установлены на эмпирические значения, рекомендованные Кингмой и Ба (2015), то есть скорость обучения составляла α = 0,001, скорость экспоненциального затухания для текущих оценок составляла β ₁ = 0,9, β ₁ = 0,999, ε = 10 ⁻⁸ .

Перекрестная проверка

Для обеспечения независимого обучения и тестирования при перекрестной проверке.Процесс перекрестной проверки показан на рисунке 2. Мы реализовали схему вложенной перекрестной проверки с двумя циклами (Varoquaux et al., 2017). Мы разделили набор данных на три части: 80% данных как обучающий набор для обучения модели, 10% как набор проверки для выбора параметров и 10% как набор для тестирования для оценки способности модели к обобщению. Чтобы исключить случайную ошибку обучения модели, мы провели 10-кратную перекрестную проверку, а затем взяли среднее значение точности классификации в качестве окончательного результата.

Рисунок 2 . Обучение модели и вложенная перекрестная проверка. (A) Общий обзор. (B) 10-кратная перекрестная проверка.

Элементы в первом скрытом слое

CNN есть преимущество, заключающееся в том, что он может извлекать ключевые особенности самостоятельно (Zeng et al., 2018c). Однако эти функции могут быть трудными для интерпретации, поскольку они являются очень абстрактными функциями. Таким образом, в этом исследовании мы проанализировали только особенности, полученные в первом скрытом слое, поскольку они являются прямым выходом свертки на изображениях FA в градациях серого.В этом случае операция свертки первого слоя эквивалентна применению пространственного фильтра на основе ядра свертки к изображениям FA. Полученные признаки менее абстрактны, чем признаки второго и трех скрытых слоев. В первом скрытом слое всего 32 функции. Эти особенности являются особенностями самого нижнего уровня, которые могут представлять структурные особенности изображений FA. Сначала мы вычислили среднее значение значений вокселей для всех субъектов в каждой группе (мужчина против женщины) для каждой характеристики, а затем оценили разницу на уровне групп, используя двухвыборочный тест t .Кроме того, мы также вычислили энтропию по каждому признаку для каждого отдельного человека:

, где p _i указывает частоту пикселя со значением i , появляющегося на изображении. Энтропия каждого признака, вероятно, указывает на сложность структуры мозга, закодированной в этом признаке. Мы также провели двухвыборочный t -тест результатов энтропии, чтобы изучить различия между мужчинами и женщинами. Для множественных сравнений с порогом 0 применялась строгая поправка Бонферрони.05/32 = 1,56 × 10 ⁻³ , чтобы удалить ложную значимость.

Дискриминационная сила областей мозга

Чтобы определить, какие области мозга могут играть важную роль в структурных различиях мозга, связанных с полом, мы повторили ту же 3D-классификацию на основе PCNN для каждой конкретной области мозга. Мы сегментировали каждое изображение FA на 246 областей интересов серого вещества (ROI) в соответствии с Атласом человеческого мозга (Fan et al., 2016) и 48 ROI для белого вещества в соответствии с Атласом меток белого вещества ICBM-DTI-81 (Mori et al. al., 2005). Затем была получена точность классификации для каждой области интереса. Более высокая точность указывает на более важную роль этой рентабельности инвестиций в гендерных различиях. Затем была получена карта на основе точности классификации различных областей интереса, чтобы показать их распределение в мозге.

Сравнения с пространственной статистикой на основе тракта и машиной опорных векторов

Чтобы обосновать эффективность нашего метода, к нашему набору данных в качестве сравнения были применены пространственная статистика на основе трактов (TBSS) и машина опорных векторов (SVM), поскольку это два популярных метода анализа данных в исследованиях нейровизуализации (Bach et al., 2014; Zeng et al., 2018b). Мы сравнили результаты при следующих двух условиях: (1) Мы использовали SVM в качестве классификатора, сохранив ту же процедуру предварительной обработки, чтобы сравнить ее результаты с нашим методом 3D PCNN. Мы сглаживаем каждую выборку из 3D-матрицы FA в вектор, а затем передаем SVM с вектором. (2) Мы использовали TBSS для определения областей мозга, в которых показаны статистически значимые гендерные различия.

Результаты

Результаты классификации изображений ФА всего мозга

Используя наши методы 3D PCNN на изображениях FA всего мозга, мы можем хорошо различать мужчин и женщин с точностью классификации 93.3%. Этот результат намного лучше, чем при использовании SVM, точность классификации которого составляет всего 78,2%.

Для сравнения мы также использовали MD, AD и RD, чтобы повторить тот же анализ. Точность классификации MD составляет 65,8%, AD — 69,9%, RD — 67,8%. Все они ниже точности классификации, полученной с помощью FA.

Анализ элементов в первом скрытом слое 3D PCNN

Результат двухвыборочного t -теста 32 признаков мужчин и женщин показывает, что 25 признаков имеют значительные гендерные различия, включая 13 признаков, у которых женщины имеют большие значения, и 12 признаков, которые имеют большие значения (см. Рисунок 3) .Интересно, что у мужчин энтропия по всем параметрам значительно выше, чем у женщин (см. Рисунок 4).

Рисунок 3 . Межгрупповые различия 32 признаков в значениях вокселей. Среднее значение (высота столбца) и стандартное отклонение (столбцы ошибок) значений вокселей для всех субъектов в каждой группе оценивались для каждой функции. Их групповые различия были изучены с помощью двухвыборочного теста t . Поправка Бонферрони применялась для множественных сравнений с порогом, равным 0.05/32 = 1,56 × 10 ⁻³ , чтобы удалить ложную значимость. Признаки со значительно более высокими средними значениями вокселов для мужчин отмечены знаком *, а признаки со значительно большими средними значениями вокселов для женщин отмечены знаком +.

Рисунок 4 . Межгрупповые различия 32 признаков в значениях энтропии. Среднее (высота столбца) и стандартное отклонение (столбцы ошибок) значения энтропии были вычислены для всех субъектов в каждой группе для каждой характеристики. Их групповая разница была оценена с помощью двухвыборочного теста t .Поправка Бонферрони была применена для множественных сравнений с порогом, равным 0,05 / 32 = 1,56 × 10 ⁻³ , чтобы удалить ложную значимость. Значения энтропии для признаков у мужчин значительно больше, чем у женщин.

Классификация по каждой конкретной рентабельности инвестиций

TBSS не смог обнаружить статистически значимых гендерных различий в этом наборе данных. Однако, используя 3D PCNN, мы обнаружили гендерные различия во всех ROI как в серой, так и в белой области, поскольку точность классификации (> 75%) намного выше, чем уровень вероятности (50%) для всех ROI.Карты точности классификации для различных областей интереса показаны на рисунке 5. Подробные результаты классификации представлены в приложении (см. Таблицу S1 для серого вещества и таблицу S2 для белого вещества). В сером веществе пять областей с наивысшей точностью классификации — это левое предклинье (область Бродмана, BA 31, 87,2%), левая постцентральная извилина (область туловища BA 1/2/3, 87,2%), левая поясная извилина. (BA 32 subgenual area, 87,2%), правая глазничная извилина лобной доли (BA 13, 87.1%) и левый затылочный таламус (86,9%). В белом веществе пять областей с наивысшей точностью классификации: средний стебель мозжечка (89,7%), колено мозолистого тела (88,4%), правая передняя лучевая коронка (88,3%), правая верхняя лучевая коронка (86%). , и левой передней конечностью внутренней капсулы (85,4%).

Рисунок 5 . Карты точности классификации для различных областей интереса в сером и белом веществе мозга. (A) Результаты в 246 областях интересов серого вещества (ROI) в соответствии с Атласом человеческого мозга. (B) Результаты в 48 ROI белого вещества в соответствии с Атласом меток белого вещества ICBM-DTI-81.

Обсуждения

Классификация всего мозга FA

Предложенная 3D модель PCNN достигла точности классификации 93,3% в FA всего мозга. Высокая точность классификации указывает на то, что предложенная модель может точно найти разницу в структуре мозга между мужчинами и женщинами, что является основой для последующего анализа признаков и субрегионального анализа. Большинство существующих методов классификации, регрессии и других методов машинного обучения представляют собой алгоритмы поверхностного обучения, такие как SVM, повышение, максимальная энтропия и логистическая регрессия.Когда необходимо выразить сложные функции, модели, полученные с помощью этих алгоритмов, будут иметь ограничение с небольшим размером выборок и ограниченными вычислительными ресурсами. Таким образом, способность к обобщению будет ухудшаться, как мы продемонстрировали в результатах SVM. Преимущество алгоритмов глубокого обучения, использующих несколько уровней в искусственной нейронной сети, заключается в том, что можно представлять сложные функции с несколькими параметрами. CNN — один из широко используемых алгоритмов глубокого обучения.По сравнению с таким методом, как SVM, который является просто классификатором, 3D CNN — это метод, который может извлекать особенности трехмерной пространственной структуры входного изображения. Построив 3D-модель PCNN, мы извлекли из изображений FA очень абстрактные особенности, что, таким образом, может повысить точность классификации. FA описывает частичный индекс анизотропии, который указывает на отличие одного направления от других (Feldman et al., 2010). Он может отражать изменения различных свойств ткани, включая размер аксонов, плотность упаковки аксонов и степень миелинизации (Chung et al., 2016). В этом исследовании мы также проводим тот же анализ с использованием изображений MD, AD и RD для сравнения. Все их результаты ниже, чем у FA, что указывает на то, что использование FA более эффективно для определения структурных различий между мужским и женским мозгом, чем использование других изображений.

Анализ элементов в первом скрытом слое 3D PCNN

Степень макроскопической анизотропии диффузии часто количественно определяется FA (Lasi et al., 2014). Предыдущие исследования показали, что более широкий скелет белого вещества в головном мозге женщины, но более широкая область серого вещества в мозге мужчины (Witelson et al., 1995; Заиди, 2010; Гонг и др., 2011; Menzler et al., 2011). Это означает, что у мужчин, по-видимому, больше серого вещества, состоящего из активных нейронов, в то время как у женщин может быть больше белого вещества для нейронной связи между различными областями мозга. Кроме того, недавнее исследование показало, что мужчины имеют более высокие значения FA, чем женщины, у людей среднего и пожилого возраста (от 44 до 77 лет) с помощью статистического анализа (Ritchie et al., 2018). Это исследование ориентировано на молодых здоровых людей в возрасте от 22 до 36 лет.Структурные особенности, извлеченные из 3D PCNN, отражают разницу в структуре мозга мужчин и женщин. В первом скрытом слое 3D-модели PCNN мы обнаружили 25 функций, которые имеют значительную разницу между мужчинами и женщинами по значению вокселей. Более того, используя меру энтропии, мы обнаружили, что мужской мозг, вероятно, имеет более сложные функции, что отражается в значительно более высокой энтропии. Эти результаты показали, что гендерные различия, вероятно, существуют во всем мозговом диапазоне, включая как белое, так и серое вещество.

Самые дискриминационные области мозга

Используя изображения FA из каждой конкретной области мозга в качестве входных данных для 3D PCNN, мы обнаружили, что все протестированные области мозга могут иметь гендерные различия, хотя анализ TBSS не может обнаружить эти различия. Области мозга с высокой точностью классификации включают левое предклинье (область Бродмана, BA 31, 87,2%), левую постцентральную извилину (область ствола BA 1/2/3, 87,2%), левую поясную извилину (область BA 32, 87,2%), правая глазничная извилина лобной доли (БА 13, 87.1%), и левый затылочный таламус (86,9%) в сером веществе, и средний стебель мозжечка (89,7%), колено мозолистого тела (88,4%), правый передний венец (88,3%), правый верхний венец radiata (86%) и левой передней конечностью внутренней капсулы (85,4%).

Ранее сообщалось о морфологических различиях мозолистого тела, связанных с полом, которые могут быть связаны с межполушарным взаимодействием (Sullivan et al., 2001; Luders et al., 2003; Prendergast et al., 2015). Однако, вероятно, из-за ограниченности применяемых методов, не во всех предыдущих исследованиях сообщалось об этом различии (Abe et al., 2002). Эти вероятные результаты противоречивых результатов были получены в разных исследованиях. Наши результаты с помощью 3D-модели PCNN подтверждают, что, вероятно, существует морфологическая разница в колене мозолистого тела между мужчиной и женщиной.

Средний стебель мозжечка — это область мозга, связанная с мостом и получающая сигналы в основном от ядер моста (Glickstein and Doron, 2008), которые являются ядрами моста, участвующими в двигательной активности (Wiesendanger et al., 1979). Raz et al. (2001) обнаружили больший объем мозжечка у мужчин, чем у женщин. Клетки мозжечка выделяют диффундирующие вещества, которые способствуют выживанию таламических нейронов (Tracey et al., 1980; Hisanaga and Sharp, 1990). В предыдущих исследованиях сообщалось о гендерных различиях в основном метаболизме глюкозы в таламусе у молодых людей в возрасте от 20 до 40 лет (Fujimoto et al., 2008). Помимо таламуса и мозжечка, постцентральная извилина также была обнаружена в наших результатах как область мозга с высокой точностью классификации.Таким образом, весьма вероятно, что существует гендерное различие в цепи мозжечка-таламо-кортикального слоя. Это различие также может быть связано с зарегистрированными гендерными различиями в неврологических дегенеративных заболеваниях, таких как болезнь Паркинсона (Lyons et al., 1998; Dluzen and Mcdermott, 2000; Miller and Cronin-Golomb, 2010), где патологические изменения обычно обнаруживаются в мозжечко-таламо-кортикальный контур.

Результаты настоящего исследования также указали на гендерные различия в лимбико-таламо-кортикальных цепях.Передняя лучистая корона является частью лимбико-таламо-кортикальной схемы и включает таламические проекции от внутренней капсулы до префронтальной коры. Изменения белого вещества в передней лучевой коронке могут привести ко многим нарушениям когнитивной и эмоциональной регуляции (Drevets, 2001). Орбитальная извилина областей серого вещества лобной коры и поясная извилина также связаны с системой регуляции эмоций (Fan et al., 2005). Таким образом, гендерные различия в лимбико-таламо-корковой цепи могут объяснять гендерные различия в активации таламуса во время обработки эмоциональных стимулов или неприятной лингвистической информации, касающейся межличностных трудностей, как было продемонстрировано предыдущей фМРТ (Lee and Kondziolka, 2005; Shirao et al. al., 2005).

Таким образом, используя разработанный алгоритм 3D PCNN, мы подтвердили, что гендерные различия существуют в изображениях FA всего мозга, а также в каждой конкретной области мозга. Эти связанные с полом структурные различия мозга могут быть связаны с гендерными различиями в познании, эмоциональном контроле, а также с неврологическими расстройствами.

Доступность данных

В данном исследовании были проанализированы общедоступные наборы данных. Эти данные можно найти здесь: https: // www.humanconnectome.org/.

Взносы авторов

JX, YT и YY внесли свой вклад в концепцию и дизайн исследования. YT, JX и YZ провели анализ данных. YT и JX подготовили рукопись. YT и YY участвовали в редактировании рукописи.

Финансирование

JX и YZ поддерживаются проектом 111 (№ B18059). YT поддерживается грантом 2016JJ4090 от Фонда естественных наук провинции Хунань и грантами 2017T100613 и 2016M592452 от Китайского фонда постдокторантуры.YY поддерживается Инициативой грантов на трансляционные исследования Dixon (PI: YY) Северо-западного мемориального фонда (NMF) и Института клинических и трансляционных наук Северо-Западного университета (NUCATS).

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Дополнительные материалы

Дополнительные материалы к этой статье можно найти в Интернете по адресу: https: // www.frontiersin.org/articles/10.3389/fnins.2019.00185/full#supplementary-material

Список литературы

Abadi, M., Barham, P., Chen, J., Chen, Z., Davis, A., Dean, J., et al. (2016). «Tensorflow: система для крупномасштабного машинного обучения», , 12-й симпозиум USENIX по проектированию и внедрению операционных систем (OSDI 16), , (Саванна, Джорджия), 265–283.

Google Scholar

Абэ, О., Аоки, С., Хаяси, Н., Ямада, Х., Кунимацу, А., Мори, Х. и др. (2002).Нормальное старение в центральной нервной системе: количественный МРТ диффузионно-тензорный анализ. Neurobiol. Старение 23, 433–441. DOI: 10.1016 / S0197-4580 (01) 00318-9

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Bach, M., Laun, F. B., Leemans, A., Tax, C.M., Biessels, G.J., Stieltjes, B., et al. (2014). Методологические соображения по пространственной статистике на основе трактов (TBSS). Нейроизображение 100, 358–369. DOI: 10.1016 / j.neuroimage.2014.06.021

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Чанг, А.В., Сеунарин, К. К., Кларк, К. А. (2016). Воспроизводимость и изменчивость NODDI в зависимости от напряженности магнитного поля: сравнение 1,5 Тл и 3 Тл. Human Brain Mapp. 37, 4550–4565. DOI: 10.1002 / hbm.23328

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Коул, Дж. Х., Цагкрасулис, Д., Мва, К., Стивс, К., Спектор, Т. Д. и др. (2017). Прогнозирование возраста мозга с помощью глубокого обучения на основе необработанных данных изображений приводит к получению надежного и наследуемого биомаркера. Нейроизображение 163, 115–124.DOI: 10.1016 / j.neuroimage.2017.07.059

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Косгроув, К. П., Мазуре, К. М., и Стейли, Дж. К. (2007). Развитие знаний о половых различиях в структуре, функциях и химии мозга. Biol. Психиатрия 62, 847–855. DOI: 10.1016 / j.biopsych.2007.03.001

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Длузен, Д. Э., и Макдермотт, Дж. Л. (2000). Гендерные различия в нейротоксичности нигростриатальной дофаминергической системы: последствия для болезни Паркинсона. J. Gender Spec. Med. 3, 36–42.

PubMed Аннотация | Google Scholar

Древец, В. К. (2001). Нейровизуализация и невропатологические исследования депрессии: значение для когнитивно-эмоциональных особенностей расстройств настроения. Curr. Opin. Neurobiol. 11, 240–249. DOI: 10.1016 / S0959-4388 (00) 00203-8

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Данн Р. А. и Кэмпбелл Н. А. (1997). «О соединении функций активации softmax и кросс-энтропийных штрафов и выводе функции активации softmax», в Proc.8-й авст. Конф. по нейронным сетям , (Мельбурн, Виктория: Citeseer), 185.

Google Scholar

Фан, Дж., Маккэндлисс, Б. Д., Фосселла, Дж., Фломба, Дж. И., и Познер, М. И. (2005). Активация сетей внимания. Neuroimage 26, 471–479. DOI: 10.1016 / j.neuroimage.2005.02.004

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Fan, L., Zhuo, J., Zhang, Y., Wang, J., Chen, L., et al. (2016). Атлас мозга человека: новый атлас мозга, основанный на архитектуре соединений. Cereb. Cortex 26, 3508–3526. DOI: 10.1093 / cercor / bhw157

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Фельдман, Х. М., Йитман, Дж. Д., Ли, Э. С., Барде, Л. Х., и Гаман-Бин, С. (2010). Визуализация тензора диффузии: обзор для педиатров и клиницистов. J. Dev. Behav. Педиатр. 31, 346–356. DOI: 10.1097 / DBP.0b013e3181dcaa8b

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Фудзимото Т., Мацумото Т., Fujita, S., Takeuchi, K., Nakamura, K., Mitsuyama, Y., et al. (2008). Изменения метаболизма глюкозы из-за старения и гендерных различий в здоровом мозге человека. Psychiatry Res. 164, 58–72. DOI: 10.1016 / j.pscychresns.2006.12.014

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Голестани, Н., Молко, Н., Дехан, С., Лебихан, Д., и Паллиер, К. (2006). Структура мозга предсказывает усвоение звуков иностранной речи. Cereb. Cortex 17, 575–582.DOI: 10.1093 / cercor / bhk001

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Хисанага К. и Шарп Ф. Р. (1990). Диффузные нейротрофические факторы для нейронов таламуса высвобождаются из неокортекса-мишени и нецелевого мозжечка. Progr. Brain Res. 82, 67–71. DOI: 10.1016 / S0079-6123 (08) 62591-1

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ингалхаликар, М., Смит, А., Паркер, Д., Саттертуэйт, Т. Д., Эллиотт, М.А., Рупарел К. и др. (2014). Половые различия в структурном коннектоме человеческого мозга. Proc. Natl. Акад. Sci. США 111, 823–828. DOI: 10.1073 / pnas.1316

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Иоффе С., Сегеди К. (2015). «Пакетная нормализация: ускорение глубокого обучения сети за счет уменьшения внутреннего ковариантного сдвига», в материалах Proceedings of the 32nd International Conference on Machine Learning , Vol. 37 (Лилль), 448–456.

Google Scholar

Джоэл Д., Тарраш Р. (2014). О неправильном представлении и неверной интерпретации данных, связанных с полом: пример исследования человеческого коннектома Ингалхаликара. Proc. Natl. Акад. Sci. США 111, E637 – E637. DOI: 10.1073 / pnas.1323319111

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Кингма, Д. П., и Ба, Л. Дж. (2015). «Адам: метод стохастической оптимизации», Труды 3-й Международной конференции по обучающим представлениям (Сан-Диего, Калифорния), .

Google Scholar

Кочунов П. М., Томпсон П., Ланкастер Дж. Л., Барцокис Г., Смит С., Койл Т. и др. (2007). Связь между фракционной анизотропией белого вещества и другими показателями здоровья мозга при нормальном старении: исследование пространственной статистики старения на основе трактовки. Neuroimage 35, 478–487. DOI: 10.1016 / j.neuroimage.2006.12.021

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Крижевский А., Суцкевер И., Хинтон Г.Э. (2012). «Классификация Imagenet с глубокими сверточными нейронными сетями», в Advances in Neural Information Processing Systems 25 (NIPS 2012) (Lake Tahoe, NV), 1097–1105.

Google Scholar

Lasi, S., Szczepankiewicz, F., Eriksson, S., Nilsson, M., and Topgaard, D. (2014). Визуализация микроанизотропии: количественная оценка микроскопической диффузионной анизотропии и параметра ориентационного порядка с помощью диффузионной МРТ с вращением q-вектора под магическим углом. Фронт.Phys. 2:11. DOI: 10.3389 / fphy.2014.00011

CrossRef Полный текст | Google Scholar

Лу, Ю., И, С., Цзэн, Н., Лю, Ю., и Чжан, Ю. (2017). Выявление болезней риса с использованием глубоких сверточных нейронных сетей. Нейрокомпьютинг 267, 378–384. DOI: 10.1016 / j.neucom.2017.06.023

CrossRef Полный текст | Google Scholar

Людерс, Э., Рекс, Д. Э., Нар, К. Л., Вудс, Р. П., Янке, Л., Томпсон, П. М. и др. (2003). Взаимосвязь между бороздчатой ​​асимметрией и размером мозолистого тела: пол и влияние рукопожатия. Cereb. Cortex 13, 1084–1093. DOI: 10.1093 / cercor / 13.10.1084

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Лайонс, К. Э., Хаббл, Дж. П., Тростер, А. И., Пахва, Р., и Коллер, В. К. (1998). Гендерные различия при болезни Паркинсона. Clin. Neuropharmacol . 21, 118–121.

PubMed Аннотация | Google Scholar

Мензлер К., Белке М., Верманн Э., Краков К., Ленглер У., Янсен А. и др. (2011). Мужчины и женщины разные: диффузионно-тензорная визуализация выявляет половой диморфизм в микроструктуре таламуса, мозолистого тела и цингулюма. Neuroimage 54, 2557–2562. DOI: 10.1016 / j.neuroimage.2010.11.029

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Миллер И. Н., Кронин-Голомб А. (2010). Гендерные различия при болезни Паркинсона: клинические характеристики и познания. Movem. Disord. 25, 2695–2703. DOI: 10.1002 / mds.23388

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Мори, С., Ал, С. М., Вакана, С., и Зиджл, В. (2005). МРТ Атлас белого вещества человека. Лондон, Великобритания: Elsevier / Academic Press.

Google Scholar

Mueller, K, Anwander, A, Möller, H.E., Horstmann, A., Lepsien, J., Busse, F., et al. (2011). Полозависимые влияния ожирения на белое вещество головного мозга исследованы с помощью диффузионно-тензорной визуализации. PloS ONE 6: e18544. DOI: 10.1371 / journal.pone.0018544

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Наир В., Хинтон Г. Э. (2010). «Выпрямленные линейные блоки улучшают машины Больцмана с ограничениями», в Труды 27-й Международной конференции по машинному обучению (ICML-10), (Хайфа), 807–814.

Google Scholar

Прендергаст Д. М., Ардекани Б., Икута Т., Джон М., Петерс Б., Деросс П. и др. (2015). Влияние возраста и пола на морфологию мозолистого тела на протяжении всей жизни. Карта человеческого мозга. 36, 2691–2702. DOI: 10.1002 / HBM.22800

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Раз, Н., Ганнинг-Диксон, Ф., Хед, Д., Уильямсон, А., и Аккер, Дж. Д. (2001). Возрастные и половые различия в мозжечке и вентральном мосту: проспективное МРТ-исследование здоровых взрослых. Am. J. Neuroradiol. 22, 1161–1167.

PubMed Аннотация | Google Scholar

Ричи С.Дж., Кокс С.Р., Шен Х., Ломбардо М.В., Реус Л.М., Аллоза К. и др. (2018). Половые различия в мозге взрослого человека: данные 5216 участников Биобанка Великобритании. Cereb. Cortex 28, 2959–2975. DOI: 10.1093 / cercor / bhy109

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Салат Д. Х., Туч Д. С., Греве Д. Н., Ван дер Коуве А.Дж., Хевелоне, Н. Д., Залета, А. К. и др. (2005). Возрастные изменения микроструктуры белого вещества, измеренные методом диффузионного тензора. Neurobiol. Старение 26, 1215–1227. DOI: 10.1016 / j.neurobiolaging.2004.09.017

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шен, Х., Ван, Л., Лю, Ю., и Ху, Д. (2010). Дискриминационный анализ паттернов функциональной связи в состоянии покоя при шизофрении с использованием низкоразмерного встраивания фМРТ. Нейроизображение 49, 3110–3121.DOI: 10.1016 / j.neuroimage.2009.11.011

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шиино А., Чен Ю. В., Танигаки К., Ямада А., Вигерс П., Ватанабэ Т. и др. (2017). Связанные с полом различия в объемах белого вещества человека изучены: исследование мозолистого тела и другого белого вещества с помощью VBM. Sci. Отчет 7: 39818. DOI: 10.1038 / srep39818

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Сирао, Н., Окамото, Ю., Окада, Г., Уэда, К., и Ямаваки, С. (2005). Гендерные различия в активности мозга в отношении неприятных языковых стимулов, касающихся межличностных отношений: исследование фМРТ. Eur. Arch. Психиатр. Clin. 255, 327–333. DOI: 10.1007 / s00406-005-0566-x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Салливан Э. В., Розенблум М. Дж., Десмонд Дж. Э. и Пфеффербаум А. (2001). Половые различия в размере мозолистого тела: зависимость от возраста и внутричерепного размера. Neurobiol. Старение 22, 603–611. DOI: 10.1016 / S0197-4580 (01) 00232-9

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Tang, Y., Liu, B., Yang, Y., Wang, C.-M., Meng, L., Tang, B.-S., et al. (2018). Выявление болезни Паркинсона легкой-средней степени тяжести с использованием функциональной связи всего мозга. Clin. Nerophysiol. 129, 2507–2516. DOI: 10.1016 / j.clinph.2018.09.006

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Тэтчер, Д.Л., Пайтек, С., Чанг, Т., Тервиллигер, Р. А., и Кларк, Д. Б. (2010). Гендерные различия во взаимосвязи между организацией белого вещества и расстройствами, связанными с употреблением психоактивных веществ в подростковом возрасте. Наркотик, алкоголь. Зависеть. 110, 55–61. DOI: 10.1016 / j.drugalcdep.2010.02.004

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Тиан Р., Янг Ю. и Ван Дер Хельм FCT Dewald, JPA. (2018). Новый подход к моделированию нейронных реакций на совместные возмущения с использованием метода NARMAX и иерархической нейронной сети. Фронт. Comput. Neurosci. 12:96. DOI: 10.3389 / fncom.2018.00096

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Tracey, D., Asanuma, C.G., Jones, E., and Porter, R. (1980). Таламический ретранслятор на моторную кору: афферентные пути от ствола мозга, мозжечка и спинного мозга у обезьян. J. Neurophysiol. 44, 532–554. DOI: 10.1152 / jn.1980.44.3.532

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ван Эссен, Д.К., Смит, С. М., Барч, Д. М., Беренс, Т. Е., Якуб, Э., Угурбил, К. и др. (2013). Проект человеческого коннектома WU-Minn: обзор. Нейроизображение 80, 62–79. DOI: 10.1016 / j.neuroimage.2013.05.041

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Варокво, Г., Рамана, П. Р., Энгеман, Д. А., Хойос-Идробо, А., Шварц, Ю., и Тирион, Б. (2017). Оценка и настройка декодеров мозга: перекрестная проверка, предостережения и рекомендации. NeuroImage 145, 166–179.DOI: 10.1016 / j.neuroimage.2016.10.038

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Вэнь, Д., Вэй, З., Чжоу, Ю., Ли, Г., Чжан, X., и Хань, В. (2018). Методы глубокого обучения для обработки данных фМРТ и их применение в диагностике когнитивных нарушений: краткий обзор и наше мнение. Фронт. Нейроинформ. 12:23. DOI: 10.3389 / fninf.2018.00023

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Westlye, L. T., Walhovd, K.Б., Дейл, А. М., Бьёрнеруд, А., Дуэ-Тённессен, П., Энгвиг, А. и др. (2009). Изменения продолжительности жизни белого вещества головного мозга человека: диффузионно-тензорная визуализация (DTI) и волюметрия. Cereb. Cortex 20, 2055–2068. DOI: 10.1093 / cercor / л. с. 280

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Визендангер Р., Визендангер М. и Ру Д. (1979). Анатомическое исследование кортикопонтинной проекции у приматов ( Macaca fascicularis и Saimiri sciureus ) —II.Проекция лобной и теменной ассоциативных областей. Неврология 4, 747–765. DOI: 10.1016 / 0306-4522 (79)

-6

CrossRef Полный текст | Google Scholar

Вительсон, С. Ф., Глезер, И. И., и Кигар, Д. Л. (1995). У женщин большая плотность нейронов в задней височной коре. J. Neurosci. 15, 3418–3428. DOI: 10.1523 / JNEUROSCI.15-05-03418.1995

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Заиди, З. Ф.(2010). Гендерные различия в мозге человека: обзор. Открыть Анат. J. 2, 37–55. DOI: 10.2174 / 1877609401002010037

CrossRef Полный текст | Google Scholar

Zeng, L. L., Wang, H., Hu, P., Yang, B., Pu, W., Shen, H., et al. (2018a). Многосайтовая диагностическая классификация шизофрении с использованием дискриминантного глубокого обучения с функциональной связностью МРТ Эбиомедицина 30, 74–85. DOI: 10.1016 / j.ebiom.2018.03.017

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Цзэн, Н., Qiu, H., Wang, Z., Liu, W., Zhang, H., and Li, Y. (2018b). Новый оптимизированный алгоритм SVM, основанный на переключении с задержкой PSO, для диагностики болезни Альцгеймера. Нейрокомпьютинг 320, 195–202. DOI: 10.1016 / j.neucom.2018.09.001

CrossRef Полный текст | Google Scholar

Цзэн Н., Ван З., Чжан Х., Лю В. и Алсаади Ф. Э. (2016). Сети глубоких убеждений для количественного анализа золотой иммунохроматографической полоски. Cogn. Comput. 8, 684–692. DOI: 10.1007 / с12559-016-9404-х

CrossRef Полный текст | Google Scholar

Цзэн Н., Чжан Х., Сун Б., Лю В., Ли Ю. и Добайе А. М. (2018c). Распознавание мимики через изучение разреженных автоэнкодеров. Нейрокомпьютеры 273, 643–649. DOI: 10.1016 / j.neucom.2017.08.043

CrossRef Полный текст | Google Scholar

Что большинство компаний ошибается в отношении мужчин и женщин

Вкратце

Вера

Существует популярное мнение, что мужчины и женщины принципиально отличаются по важным (небиологическим) аспектам — и эти различия приводятся для объяснения отставания в достижениях женщин.

Правда

Согласно многочисленным метаанализам опубликованных исследований, мужчины и женщины на самом деле очень похожи по ключевым характеристикам, таким как уверенность, склонность к риску и навыки ведения переговоров.

Почему это важно

Слишком много менеджеров пытаются «исправить» женщин или приспособиться к их предполагаемым различиям — и это не срабатывает. Вместо этого компании должны учитывать организационные условия, которые приводят к снижению показателей удержания и продвижения женщин по службе.

Разговор об обращении с женщинами на рабочем месте в последнее время достиг апогея, и высшие руководители — как мужчины, так и женщины — все чаще заявляют о приверженности гендерному паритету. Это все хорошо, но есть одна важная загвоздка. Обсуждения и многие инициативы, предпринимаемые компаниями, слишком часто отражают ошибочное мнение о том, что мужчины и женщины принципиально разные в силу своих генов или воспитания, либо того и другого. Конечно, есть биологические отличия.Но люди обычно говорят не об этих различиях. Вместо этого риторика сосредоточена на идее о том, что женщины по своей природе не похожи на мужчин с точки зрения характера, отношения и поведения. (Вспомните заголовки, рекламирующие «Почему женщины делают Х в офисе» или «Работающие женщины не делают И»).

Один набор предполагаемых различий используется для объяснения неспособности женщин достичь паритета с мужчинами: женщины плохо ведут переговоры, не уверены в себе, слишком не склонны к риску или не проводят необходимое количество часов на работе, потому что они ценят семью больше, чем свою карьеру. .В то же время другие предполагаемые различия — женщины более заботливы, склонны к сотрудничеству или движимы своей миссией — используются в качестве обоснования для компаний, инвестирующих в успех женщин. Но независимо от того, представляют ли они препятствие или пользу, эти убеждения сдерживают женщин. Мы не будем выравнивать игровое поле до тех пор, пока в основе его лежит наше убеждение в том, что полы различны.

Причина проста: наука, по большому счету, фактически не поддерживает эти утверждения. Существуют большие различия среди женщин и мужчин, и метаанализ показывает, что в среднем представители пола гораздо более похожи по своим склонностям, взглядам и навыкам, чем можно было бы заставить нас поверить в распространенное мнение.Мы действительно видим половые различия в различных условиях, в том числе на рабочем месте, но эти различия не коренятся в фиксированных гендерных особенностях. Скорее, они проистекают из организационных структур, практики компании и моделей взаимодействия, которые по-разному позиционируют мужчин и женщин, создавая для них систематически разный опыт. Сталкиваясь с разными обстоятельствами, люди реагируют по-разному — не из-за своего пола, а из-за своей ситуации.

Подчеркивая половые различия, вы рискуете сделать их естественными и неизбежными.По мере того как рассказываются и пересказываются анекдоты, совпадающие со стереотипами, без объяснения того, почему и когда возникает стереотипное поведение, половые различия преувеличиваются и приобретают определяющее значение. Благонамеренные, но в значительной степени безрезультатные вмешательства затем сосредотачиваются на «исправлении» женщин или их приспособлении, а не на изменении обстоятельств, которые в первую очередь привели к различному поведению.

Эта статья также встречается в:

Возьмем, к примеру, распространенное мнение, что женщины более преданы семье, чем мужчины.Исследования просто не подтверждают это мнение. В исследовании выпускников Гарвардской школы бизнеса, которое провел один из нас, почти все, независимо от пола, больше ценили свои семьи, чем свою работу (см. «Переосмыслить то, что вы« знаете »об успешных женщинах», HBR, Декабрь 2014 г.). Более того, принятие карьерных решений с учетом семейных обязанностей не объясняет гендерного разрыва в достижениях. Другое исследование также показывает, что у мужчин и женщин нет принципиально разных приоритетов.

Многочисленные исследования показывают, что разница в обращении с матерями и отцами, когда они создают семью. Считается, что женщины (но не мужчины) нуждаются в поддержке, в то время как мужчины с большей вероятностью поймут сообщение — явное или скрытое — о том, что им нужно «возвыситься», а не озвучивать стресс и усталость. Если мужчины действительно просят, скажем, облегчить график поездок, их руководители могут немного расслабиться, но часто неохотно и с явным ожиданием, что отсрочка является временной. Соответственно, некоторые мужчины пытаются использовать незаметный подход, незаметно сокращая часы или поездки и надеясь, что это останется незамеченным, в то время как другие просто уступают, ограничивая время, которое они тратят на семейные обязанности, и удваивают свои усилия на работе.В любом случае, они поддерживают репутацию, которая держит их на восходящей траектории. Между тем, от матерей часто ждут, и даже поощряют, чтобы они снова вернулись на работу. Их перенаправляют на менее облагаемые налогом должности и предоставляют менее «требовательных» (читай: более низкий статус, менее продвигающих карьеру) клиентов.

Подводя итог, можно сказать, что желания мужчин и женщин и проблемы, связанные с балансом работы и семьи, удивительно похожи. То, что они переживают на работе, став родителями, ставит их в совершенно разные места.

Так не должно быть. Когда компании наблюдают различия в общих показателях успеха женщин и мужчин или в поведении, которое имеет решающее значение для эффективности, они могут активно стремиться понять организационные условия, которые могут быть ответственными, а затем они могут экспериментировать с изменением этих условий.

Рассмотрим пример сообразительного директора-распорядителя, обеспокоенного негерметичностью трубопровода в своей фирме по оказанию профессиональных услуг. Скептически относясь к тому, что женщины просто «отказываются» после рождения ребенка, она исследовала и обнаружила, что одна из причин ухода женщин из фирмы связана с системой служебной аттестации: руководители должны были придерживаться принудительного распределения при оценке своих непосредственных подчиненных и женщины, взявшие отпуск по уходу за ребенком, вряд ли получат наивысшую оценку, поскольку их результаты оцениваются по сравнению с их сверстниками, проработавшими полный год.Получение менее высоких оценок не только уменьшало их шансы на продвижение по службе, но и посылало деморализующий сигнал о том, что быть матерью несовместимо с партнерством. Однако исправить это было относительно просто: компания решила зарезервировать принудительное распределение для сотрудников, проработавших полный год, в то время как те, у кого были длинные отпуска, могли изменить свой рейтинг по сравнению с предыдущим годом. Это относилось как к мужчинам, так и к женщинам, но больше всего эту политику использовали молодые матери. Это изменение дало женщинам больше стимулов вернуться из отпуска по беременности и родам и помогло им продвинуться по службе.В свою очередь, наличие большего числа матерей, оставшихся на верном пути, помогло избавиться от предположений внутри фирмы о предпочтениях женщин в работе / семье.

Как показывает этот пример, компаниям необходимо глубже погрузиться в свои убеждения, нормы, практики и политику, чтобы понять, как они позиционируют женщин по сравнению с мужчинами и как разные должности способствуют неравенству. Серьезное изучение контекста, в котором возникают различия в том, как мужчины и женщины воспринимают рабочее место — и соответствующее вмешательство — может помочь компаниям проложить путь к гендерному паритету.

Ниже мы рассмотрим три популярных мифа о различиях полов и объясним, как каждый из них проявляется в организационном дискурсе об отставании в продвижении женщин. Опираясь на годы исследований в области социальных наук, мы развенчиваем мифы и предлагаем альтернативные объяснения наблюдаемых половых различий — объяснения, указывающие на способы, которыми менеджеры могут уравнять правила игры. Затем мы предлагаем четырехстороннюю стратегию для таких действий.

Популярные мифы

Мы все слышали заявления в средствах массовой информации и в компаниях, что женщинам не хватает желания или способности вести переговоры, , что им не хватает уверенности , и что им не хватает аппетита к риску. Считается, что эти недостатки объясняют, почему женщинам так и не удалось достичь паритета с мужчинами.

На протяжении десятилетий исследования изучали половые различия по этим трем параметрам, что позволяло социологам проводить метаанализ — исследования, которые показывают, сохраняются ли в среднем по исследованиям половые различия, и если да, то насколько велики эти различия. Не менее важно, что метаанализ также выявляет обстоятельства, при которых различия между мужчинами и женщинами более или менее вероятны.Обобщенные результаты ясны: контекст объясняет любые половые различия, существующие на рабочем месте.

Принять переговоры. Снова и снова мы слышим, что женщины — плохие переговорщики — они «слишком легко соглашаются», «слишком милы» или «слишком склонны к сотрудничеству». Но это не так, согласно исследованиям. Йенс Мазей и его коллеги недавно проанализировали более 100 исследований, изучающих, достигают ли мужчины и женщины разных результатов; они определили, что гендерные различия были незначительными или незначительными. У мужчин есть небольшое преимущество на переговорах, когда они защищают исключительно себя и когда неопределенность в отношении ставок или возможностей высока.Большая разница в результатах возникает, когда переговорщики либо не имеют предыдущего опыта, либо вынуждены вести переговоры, как в обязательном учебном упражнении. Но такие ситуации нетипичны, и даже когда они возникают, статистики сочтут возникающие в результате половые различия незначительными. Что касается представления о том, что женщины более склонны к сотрудничеству, чем мужчины, исследования Дэниела Баллиета и его коллег опровергают это.

Вера в то, что женщинам не хватает уверенности, — еще одно заблуждение. Это утверждение обычно используется для объяснения того, почему женщины меньше говорят на собраниях и не продвигаются по службе, если они не на 100% уверены, что соответствуют всем требованиям, предъявляемым к работе.Но исследования не подтверждают идею о том, что женщины менее уверены в себе, чем мужчины. Проанализировав более 200 исследований, Кристен Клинг и ее коллеги пришли к выводу, что единственные заметные различия произошли в подростковом возрасте; начиная с 23 лет различия становятся незначительными.

А как насчет риска — действительно ли женщины более консервативны, чем мужчины? Многие люди считают, что это правда, хотя они расходятся во мнениях относительно того, является ли уклонение от риска сильной стороной или слабостью. Считается, что с другой стороны, женщины с меньшей вероятностью будут увлечены блефом и бравадой и, следовательно, с меньшей вероятностью пойдут на ненужный риск.Подумайте о том, что часто слышно после кончины Lehman Brothers: «Если бы Lehman Brothers были Lehman Sisters, финансового кризиса можно было бы избежать». С другой стороны, женщины считаются слишком осторожными, чтобы делать рискованные и потенциально высокоприбыльные инвестиции.

Но, опять же, исследования не подтверждают ни один из этих стереотипов. Как и в случае переговоров, половые различия в склонности к риску невелики и зависят от контекста. В метаанализе, проведенном Джеймсом Бирнсом и его коллегами, наибольшие различия возникают в контекстах, которые вряд ли будут существовать в большинстве организаций (например, среди людей, которых попросили поучаствовать в чисто азартной игре).Аналогичным образом, в исследовании, проведенном Пегги Дуайер и ее коллегами, изучались самые крупные, последние и самые рискованные инвестиции, сделанные почти 2000 инвесторами паевых инвестиционных фондов, половые различия были очень незначительными. Что еще более важно, когда к уравнению были добавлены конкретные знания инвесторов об инвестициях, половые различия уменьшились до почти полного исчезновения, что свидетельствует о том, что доступ к информации, а не склонность к риску, объясняет небольшие половые различия, которые были задокументированы.

Короче говоря, множество свидетельств опровергает каждый из этих популярных мифов.Тем не менее, они живут благодаря часто повторяющимся рассказам, которые обычно используются для объяснения отставания в продвижении женщин.

Более правдоподобные объяснения

Степень, в которой сотрудники могут преуспевать и преуспевать на работе, частично зависит от возможностей и обращения, которые они получают. Люди с большей вероятностью будут вести себя таким образом, который подрывает их шансы на успех, когда они отключены от информационных сетей, когда их осуждают или наказывают несоразмерно сурово за ошибки или неудачи и когда им не хватает обратной связи.К сожалению, женщины чаще, чем мужчины, сталкиваются с каждой из этих ситуаций. И то, как они реагируют — будь то неспособность заключить жесткую сделку, высказаться или пойти на риск — несправедливо приписывают тому, «какие женщины есть», хотя на самом деле, скорее всего, виноваты те особые условия, с которыми они сталкиваются.

Многочисленные исследования показывают, например, что женщины менее вовлечены в сети, которые предлагают возможности для сбора жизненно важной информации и получения поддержки. Когда у людей нет доступа к полезным контактам и информации, они оказываются в невыгодном положении на переговорах.Они могут не знать, что лежит на столе, что находится в пределах возможного, или даже о том, что существует шанс заключить сделку. Работая в таких условиях, женщины с большей вероятностью будут придерживаться гендерного стереотипа, что «женщины не спрашивают».

Мы увидели, как эта динамика ярко проявляется при сравнении опыта двух профессионалов, которых мы назовем Мэри и Риком. (В этом и других примерах мы изменили имена и некоторые детали для сохранения конфиденциальности.) Мэри и Рик были советниками среднего звена в отделе управления капиталом фирмы финансовых услуг.Рик смог привлечь больше активов для управления, потому что он был членом правления некоммерческой организации, что дало ему доступ к пулу потенциальных клиентов с высокой чистой стоимостью. Чего Мэри не знала много лет, так это того, как Рик получил это преимущество. В ходе случайных разговоров с одним из старших партнеров фирмы, с которым он регулярно играл в теннис, Рик узнал, что существуют дискреционные фонды, помогающие консультантам налаживать отношения с клиентами. Поэтому он организовал пожертвование фирмы в пользу некоммерческой организации.Затем он начал посещать мероприятия некоммерческой организации по сбору средств и болтать с ключевыми игроками, в конечном итоге используя свои связи для получения места в совете директоров. Мэри, напротив, не имела неформальных отношений со старшими партнерами в фирме и не знала об уровне ресурсов, которые могли бы помочь ей найти клиентов.

Когда люди менее вовлечены, они также меньше осведомлены о возможностях получения длительных заданий и продвижения по службе, а их руководители могут быть в неведении относительно их амбиций.Но когда женщинам не удается «наклониться» и искать возможности для роста, легко предположить, что им не хватает уверенности для этого, а не потому, что им не хватает соответствующей информации. Опыт Джули показателен. В настоящее время она является генеральным директором крупного инвестиционного фонда, и Джули ушла от своего предыдущего работодателя на 15 лет после того, как узнала, что более молодой коллега-мужчина перепрыгнул через нее, чтобы заполнить вакансию, о существовании которой она даже не подозревала. Когда она объявила, что уезжает и почему, ее начальник был удивлен. Он сказал ей, что, если бы он понял, что она хочет продвинуться по службе, он с радостью помог бы ей занять место для повышения.Но поскольку она не решила бросить вызов, он предположил, что ей не хватает уверенности в своей способности справиться с работой.

То, как люди реагируют на чью-то ошибку или неудачу, также может повлиять на его способность преуспевать и преуспевать. Несколько исследований показали, что, поскольку женщины работают под микроскопом с более высоким разрешением, чем их коллеги-мужчины, их ошибки и неудачи рассматриваются более тщательно и более строго наказываются. Люди, которых исследуют более внимательно, в свою очередь, с меньшей вероятностью будут высказываться на собраниях, особенно если они чувствуют, что никто не поддерживает их.Однако, когда женщины не высказываются, обычно считается, что они не верят своим идеям.

Мы видели классический пример такой динамики в биотехнологической компании, в которой руководители групп заметили, что их коллеги-женщины, все высококвалифицированные ученые-исследователи, участвовали в совещаниях групп гораздо реже, чем их коллеги-мужчины, но позже, в личных встречах. беседы, часто предлагали проницательные идеи, уместные для обсуждения. Чего эти лидеры не заметили, так это того, что, когда женщины действительно выступали на собраниях, их идеи, как правило, либо игнорировались до тех пор, пока их не повторял мужчина, либо быстро отбрасывались, если в них был хотя бы малейший недостаток.Напротив, когда идеи мужчин были ошибочными, достоинства были сохранены. Поэтому женщины чувствовали, что им нужно быть на 110% уверенными в своих идеях, прежде чем они решатся ими поделиться. В условиях, когда ум был достоинством всего мира, казалось, лучше хранить молчание, чем постоянно отвергать свои идеи.

Само собой разумеется, что люди, чьи ошибки с большей вероятностью будут преследоваться против них, также будут с меньшей вероятностью рисковать. Так было в бухгалтерской фирме «большой четверки», которая попросила нас выяснить, почему так мало женщин-партнеров занимают официальные руководящие должности.Причина, по мнению многих, заключалась в том, что женщины не хотели таких ролей из-за своих семейных обязанностей, но наш опрос выявил более сложную историю. Во-первых, женщины и мужчины с одинаковой вероятностью сказали бы, что согласились бы на роль лидера, если бы ее предложили, но мужчины были почти на 50% более склонны к тому, чтобы ее предложили. Во-вторых, женщины чаще, чем мужчины, говорили, что опасения по поводу опасности для своей карьеры удерживают их от занятия руководящими должностями — они боялись, что не оправятся от неудач, и поэтому не могут позволить себе рисковать, на который должен пойти эффективный лидер.Исследования подтверждают, что такие опасения обоснованы. Например, исследования Виктории Бресколл и ее коллег показали, что если женщины в профессиях, где преобладают мужчины, совершают ошибки, они получают меньший статус и считаются менее компетентными, чем мужчины, совершающие те же ошибки; исследование Эшли Розетт и Роберта Ливингстона показало, что темнокожие женщины-лидеры особенно уязвимы перед этим предубеждением.

Исследования также показывают, что женщины получают реже и менее качественную обратную связь, чем мужчины. Когда люди не получают обратной связи, они с меньшей вероятностью осознают свою ценность на переговорах.Более того, люди, получающие мало отзывов, плохо подготовлены к оценке своих сильных сторон, укреплению своих слабостей и оценке своих перспектив на успех, и поэтому они менее способны обрести уверенность, необходимую им для активного поиска продвижения по службе или принятия рискованных решений.

Примером такой динамики является консалтинговая фирма, в которой сотрудники отдела кадров доставляли партнерам ежегодную обратную связь. Сотрудники отдела кадров заметили, что, когда женщинам говорили, что у них «все хорошо», они «пугались», чувствуя себя проклятыми слабой похвалой; когда мужчины получали такие же отзывы, они уходили с собрания, «чувствуя себя прекрасно.HR пришел к выводу, что женщинам не хватает уверенности в себе и поэтому они более чувствительны к обратной связи, поэтому команда посоветовала партнерам особенно воодушевлять своих партнеров и смягчать любую критику. Многие партнеры были не слишком довольны тем, что им приходилось обращаться с некоторыми из своих партнеров в детских перчатках, ворча, что «если женщины не переносят жару, им следует убираться с кухни». Однако эти партнеры не смогли понять, что на кухне для женщин в фирме было намного жарче, чем для мужчин.Почему? Потому что партнеры чувствовали себя более комфортно с мужчинами и поэтому систематически давали им более неформальную, повседневную обратную связь. Когда женщины слышали в своем ежегодном обзоре, что у них все «хорошо», часто это был первый отзыв, который они получали за весь год; им больше нечего было делать, и они полагали, что это означает, что их работа была просто адекватной. Напротив, когда мужчины слышали, что у них «все в порядке», это была лишь часть информации среди постоянного потока. Результатом стала непропорциональная текучесть кадров среди сотрудников-женщин, многие из которых покинули фирму, потому что считали, что их перспективы продвижения по службе невелики.

Альтернативный подход

Проблема с повествованием о разнице полов состоит в том, что он побуждает компании вкладывать ресурсы в «исправление» женщин, что означает, что женщины упускают то, что им нужно — и то, что заслуживает каждый сотрудник: контекст, который позволяет им раскрыть свой потенциал и увеличивает их шансы на успех.

Менеджеры, которые продвигают гендерное равенство в своих фирмах, используют более пытливый подход — отвергают старые сценарии, ищут основанное на фактах понимание того, как женщины воспринимают рабочее место, а затем создают условия, которые увеличивают шансы женщин на успех.Их подход включает в себя четыре этапа:

1. Ставьте под сомнение повествование.

Консалтинговая фирма, с которой мы работали, набрала в свои ряды значительное количество талантливых женщин, а затем изо всех сил пыталась их продвинуть. Объяснения их начальников? Женщины недостаточно конкурентоспособны, у них нет «огня в животе» или у них нет необходимой уверенности, чтобы преуспеть в работе. Но эти рассказы не соответствовали Саре, региональному главе, потому что горстка женщин — из ее региона — действовала и продвигалась по номиналу.Поэтому вместо того, чтобы принять объяснения коллег, ей стало любопытно.

2. Придумайте правдоподобное альтернативное объяснение.

Сара исследовала факторы, которые могли помочь женщинам в ее регионе добиться успеха, и обнаружила, что они получили больше практического обучения и больше внимания со стороны руководителей, чем женщины в других регионах. Этот вывод свидетельствует о том, что проблема заключается не в недостатках женщин, а в их различном доступе к условиям, которые повышают уверенность в себе и успех.

Чтобы проверить эту гипотезу, Сара с нашей помощью провела эксперимент. Сначала мы случайным образом разделили 60 супервизоров на две группы по 30 человек для проведения тренинга по обучению младших консультантов. Тренеры прочитали обеим группам одну и ту же лекцию о том, как быть хорошим тренером. Однако с одной группой инструкторы поделились исследованием, показывающим, что различия в самооценке мужчин и женщин незначительны, что дает членам этой «лечебной» группы повод усомниться в гендерных стереотипах. «Контрольная» группа не получила этой информации.Затем инструкторы предложили всем участникам серию гипотетических предположений, в которых сотрудник — иногда мужчина, а иногда женщина — не справлялся. В обеих группах участников попросили записать обратную связь, которую они дали бы неэффективному сотруднику.

Между двумя группами возникли явные различия. Супервизоры в контрольной группе по-разному относились к мужчинам и женщинам, которые не справлялись с этой задачей: они были гораздо менее критичны по отношению к женщине и в основном сосредоточились на том, чтобы она чувствовала себя хорошо, тогда как они давали мужчине обратную связь, которая была более прямой, конкретной и критической, часто конкретные предложения о том, как он мог бы улучшить.Напротив, руководители, которым было показано исследование, опровергающее гендерные различия в самооценке, дали обоим сотрудникам одинаковую обратную связь; они также просили предоставить более подробную информацию об эффективности сотрудников, чтобы они могли дать конструктивные комментарии. Нас поразило то, как участники, которым была дана причина поставить под сомнение гендерные стереотипы, сосредоточились на том, чтобы больше узнать о конкретных проблемах с успеваемостью людей.

Эксперимент подтвердил мнение Сары о том, что отставание в продвижении женщин могло быть, по крайней мере, частично, из-за предположений руководителей о потребностях их непосредственных подчиненных в обучении и развитии.Более того, ее выводы дали руководителям правдоподобное альтернативное объяснение отставания в продвижении женщин — необходимое предварительное условие для следующего шага. Хотя разные фирмы находят разные типы доказательств более или менее убедительными — не все требуют столь тщательного тестирования, как эта фирма, — основанный на фактах подход Сары иллюстрирует ключевую часть стратегии, которую мы отстаиваем.

3. Измените контекст и оцените результаты.

После разработки правдоподобного альтернативного объяснения компании могут внести соответствующие изменения и посмотреть, улучшится ли производительность.Два рассказа помогают проиллюстрировать этот шаг. Обе они принадлежат частной инвестиционной компании среднего размера, которая пыталась решить проблему, сохранявшуюся в течение 10 лет: показатели продвижения и удержания в компании белых женщин и цветных людей были намного ниже, чем показатели найма.

Первая история касается Элейн, старшего сотрудника азиатско-американского происхождения, которая хотела отточить свои финансовые навыки и спросила Дейва, партнера, может ли она помочь с этим аспектом его следующей сделки. Он пригласил ее на обед, но когда они встретились, он не был в восторге.Элейн показалась ему недостаточно напористой и чрезмерно осторожной. Он решил не включать ее в свою команду, но потом передумал. Партнеры подвергали сомнению их способность определять и развивать таланты, особенно в случае партнеров, которые не были похожи на них. Таким образом, Дэйв решил провести эксперимент: он пригласил Элейн присоединиться к команде, а затем приложил сознательные усилия, чтобы относиться к ней точно так же, как он относился бы к тому, кого считал суперзвездой. Он познакомил ее с соответствующими игроками отрасли, сказал банкам, что она будет руководить финансированием, и дал ей много веры, а также достаточно отзывов и наставлений, чтобы она не повесилась.Элейн не разочаровала; действительно, ее выступление было звездным. Несмотря на спокойствие в поведении, новый протеже Дэйва продемонстрировал сверхъестественную способность читать клиента и придумывать творческие подходы к финансированию сделки.

Второй пример касается Неда, партнера, который был разочарован тем, что Джоан, недавно получившая степень магистра делового администрирования в его команду, не заявила о себе во время звонков управленческой команды. Сначала Нед просто подумал, что Джоан не хватает уверенности. Но затем ему пришло в голову, что он может вернуться к гендерным стереотипам, и он внимательно присмотрелся к собственному поведению.Он понял, что не делал ничего, чтобы облегчить ей участие, а на самом деле делал вещи, которые усложняли задачу, например, занимал все эфирное время на звонках. Итак, они поговорили об этом, и Джоан призналась, что боялась сделать ошибку и была слишком осторожна, что если она заговорит, ей нужно сказать что-то очень умное. Нед понял, что тоже боялся, что она ошибется или не добавит ценности обсуждению, отчасти поэтому он взял на себя ответственность. Но поразмыслив, он увидел, что это не будет концом света, если она действительно споткнется — он делал то же самое время от времени.Для своих следующих нескольких звонков они заранее обсудили повестку дня и решили, в каких частях она возьмет на себя инициативу; затем он дал ей отзыв после звонка. У Неда теперь есть младший коллега, которому он может делегировать больше; Между тем Джоан чувствует себя более уверенно и научилась рисковать и оправляться от ошибок.

4. Поощряйте постоянное обучение.

И Дэйв, и Нед признали, что их склонность делать поспешные выводы на основе стереотипов лишает их — и фирму — жизненно важного таланта.Более того, они воочию увидели, как оспаривание предположений и активное изменение условий жизни дает женщинам возможность развиваться и сиять. Уроки, извлеченные из этих небольших экспериментов, продолжаются: партнеры в компании теперь регулярно встречаются, чтобы обсудить то, что они узнают. Они также несут ответственность друг перед другом за то, чтобы подвергать сомнению и проверять гендерные стереотипные оценки по мере их возникновения. В результате старые представления об ограничениях женщин начинают уступать место новым представлениям о том, как фирма может лучше поддерживать всех сотрудников.

ЗАКЛЮЧЕНИЕ

Четыре описанных нами шага согласуются с исследованиями, показывающими, что на сложные вопросы, такие как пол и раса, менеджеры реагируют более позитивно, когда они видят себя частью решения, а не просто частью проблемы. Решение проблемы отставания в продвижении женщин заключается не в исправлении женщин или их руководителей, а в исправлении условий, которые подрывают женщин и укрепляют гендерные стереотипы. Кроме того, применяя любознательный, основанный на фактах подход к пониманию поведения, компании могут не только устранять гендерное неравенство, но и развивать ориентацию на обучение и культуру, которая дает всем сотрудникам возможность полностью раскрыть свой потенциал.