Att övervärdera könsskillnader som ett problem

Att övervärdera könsskillnader kan leda till fel.  Det kan inträffa i följande fall:

  • När könsskillnader bedöms utan tillräckliga bevis eller tillräcklig dokumentation.

    Det krävs statistiskt underbyggda, granskade data för att stödja vetenskapliga påståenden om könsskillnader. Forskare kan hävda eller föreslå könsskillnader även när tillräckliga data saknas, eller när data inte har analyserats tillräckligt. Benägenheten att inte rapportera negativa resultat eller avsaknad av resultat innebär att fynd av könsskillnader rapporteras oftare än fynd där inga könsskillnader kan spåras (IOM, 2012).

    Exempel (sjukdomsgenetik): Många sjukdomar uppvisar i skillnader i prevalens när det gäller både kön och andra genetiska egenskaper. Exempelvis är systemisk lupus en autoimmun sjukdom med högre prevalens hos kvinnor än hos män (dvs. könet är en riskfaktor) och med högre prevalens hos individer med specifika former av HLA-antigener (dvs. den genetiska konstitutionen är en riskfaktor) (Martens et al., 2009). Som en följd av detta är forskare intresserade av att avgöra hur kön och andra genetiska egenskaper samspelar när det gäller att avgöra risker– om en viss genetisk egenskap är en riskfaktor endast för kvinnor eller endast för män skulle det vara användbar information i samband med sjukdomsscreening. En recension av referentgranskade rapporter som tog upp "könsrelaterade skillnader i genetiska samband" fann att "de flesta påståenden var otillräckligt dokumenterade eller ogrundade". Problemen omfattade brist på kontrollgrupper, jämförelse mellan olika kohorter av män och kvinnor (till exempel kohorter av olika åldrar, med mera (Patsopoulos et al., 2007).

  • När skillnader mellan kvinnor och män felaktigt attribueras till kön.

    Forskare kan anta att skillnader mellan kvinnor och män beror på kön, när det i själva verket finns andra faktorer – som könsroller eller socioekonomisk status – som är orsaken. Att övervärdera könsskillnader kan leda till, och har också gjort det, att kvinnor och män betraktas stereotypiskt. Amerikanska National Institute of Medicine noterar att "historiskt sett har forskning kring ras, etnicitet, ålder, nationalitet, religion och kön ibland lett till diskriminerande praxis". Kommittén rekommenderar att man gör sig uppmärksam på detta så att det inte upprepas (Pardue et al., 2001).

    Exempel (programvarudesign): Videospelsföretag har tagit fram "rosa" och "blå" spel grundat på uppfattningar om fundamentala skillnader i kvinnors och mäns intressen och färdigheter – intressen som ibland ses som medfödda. Blå spel fokuserar vanligen på kampsituationer, och rosa spel fokuserar på mode. Ny forskning visar att könsnormer kring spels lämplighet påverkar kvinnors och mäns spelmönster. De här normerna håller på att förändras, och några av de mest populära moderna spelen har lika andelar kvinnor och män bland spelarna. Det är ofta en mer framgångsrik strategi att designa spel för en bredare publik, än att skapa en produkt som riktar sig till spelare av samma kön (Faulkner et al., 2007) (se fallstudien Videospel).

  • När kön betonas så att andra viktiga variabler exkluderas.

    Exempel (biovetenskap och medicin): Är det nödvändigt med en knäprotes speciellt för kvinnor? Det saknas bevis på att proteser som utformatsspecifikt för kvinnor förbättrar resultatet vid knäartroplastik hos kvinnor. Kön påverkar både höjden och knäets morfologi, men studier tyder på att valet av knäprotes snarare bör baseras på den kontinuerliga variabeln höjd istället för den binära variabeln kön. Att lägga alltför mycket vikt vid könsskillnader vid valet av knäprotes kan skada både män och kvinnor – det "kvinnliga" knäet kan ha en bra fysiologisk passform för män, men passa sämre för vissa kvinnor (se fallstudien Avköna knäet).

Citerade verk

  • Faulkner, W., & Lie, M. (2007). Gender in the Information Society: Strategies of Inclusion. Gender and Technology Development, 11 (2), 157-177.
  • Institute of Medicine (IOM) Board on Population Health and Public Health Practice. (2012). Sex-Specific Reporting of Scientific Research: A Workshop Summary. Washington D.C.: National Academies Press.
  • Martens, H., Nolte, I., van der Steege, G., Schipper, M., Kallenberg, C., & Meerman, G. (2009). An Extensive Screen of the HLA Region Reveals an Independent Association of HLA Class I and Class II with Susceptibility for Systemic Lupus Erythematosus. Scandinavian Journal of Rheumatology, 38 (4), 256-262.
  • Pardue, M., & Wizemann, T. (Eds.) (2001). Exploring the Biological Contributions to Human Health: Does Sex Matter? Washington D.C.: National Academy Press.
  • Patsopoulos, N., Tatsioni, A., & Ioannidis, J. (2007). Claims of Sex Differences: An Empirical Assessment in Genetic Associations. Journal of the American Medical Association, 298 (8), 880-893.