Genre et économie numérique

par Enxhi Leka

Projet de thèse en Sciences économiques

Sous la direction de Grazia Cecere.

Thèses en préparation à université Paris-Saclay , dans le cadre de Droit, Economie, Management , en partenariat avec LITEM - Laboratoire en Innovation, Technologies, Economie et Management (laboratoire) et de Université d'Évry-Val-d'Essonne (référent) depuis le 15-10-2020 .


  • Résumé

    La littérature en science économique et en sciences humaines a mis en évidence la faible proportion de femmes dans les métiers à forte composante scientifique. Une des raisons à ce résultat est l'existence d'inégalités sociales comme cause et amplificateur de disparités en termes de performances en mathématiques entre les hommes et les femmes (Breda et al., 2018). La littérature en économie définit l'existence de stéréotypes par la tendance des individus à se focaliser sur des caractéristiques types, et cela dans un groupe cible par rapport au groupe de référence, et à les surpondérer (Bordalo, 2019). En effet, Reuben, Sapienza et Zingales (2014) montrent un biais à l'embauche relatif aux femmes où les stéréotypes affectent la demande de travail des femmes dans les tâches liées aux mathématiques, indépendamment des considérations de qualité. Par ailleurs, Carrell, Page and West (2010), à travers une étude expérimentale, montrent que si le genre des professeurs enseignant les cours de mathématiques et de sciences à l'université n'a que peu d'impact sur les garçons, il a cependant un impact significatif sur les filles et leurs performances dans ces matières. Selon le rapport de l'OCDE (2018), la transformation numérique offre de nouvelles possibilités quant à l'émancipation économique des femmes et peut contribuer à une plus grande égalité entre les sexes. En effet, le rapport insiste sur l'importance d'une plus grande diversité de genre en économie numérique dans la création de valeur à la fois sociale et économique. Cependant, il existe peu de recherches quant à ce sujet et l'étude d'une éventuelle réplication “en ligne” des stéréotypes précédemment observés “hors ligne”. A titre d'illustration, les travaux de Lambrecht et Tucker (2019) ont d'une part mis en évidence d'apparents biais des algorithmes envers les femmes dans le cadre de la publicité en ligne expliqués par l'existence d'un biais de marché sur la plateforme. D'autre part, Kleinberg et al. (2018) ont montré l'importance des algorithmes dans la démonstration de biais humains en termes de décisions de justice. Par conséquent, le développement de services en ligne et le recours des entreprises à des outils d'analyse et de prédiction tels que les algorithmes qui utilisent l'Intelligence Artificielle questionne sur une potentielle réplication des stéréotypes en ligne; un domaine nécessitant à l'heure actuelle davantage de recherches (Cowgill et Tucker, 2019). Cette thèse s'interrogera sur la présence et l'impact des stéréotypes dans les algorithmes de “matching” sur les marchés numériques.

  • Titre traduit

    Gender and digital economics


  • Résumé

    The literature in economics and social sciences has put forward the low participation of women in scientific professions. This could partially be due to the existence of social inequalities causing and amplifying performance disparities amongst girls and boys in mathematics (Breda et al., 2018). The existence of stereotypes is defined as the tendency of individuals to focus on typical characteristics of a given group and overweight it (Bordalo, 2017). Indeed, Reuben, Sapienza et Zingales (2014) show a bias in employment proving the presence of stereotypes in the women's job demand related to mathematics tasks, overseeing other qualities. Moreover, Carrell, Page and West (2010) display that even though the gender of a mathematics professor has almost no effect on boys' performance, it significantly impacts girls' one. According to an OECD report (2018), digital transformation offers new possibilities for women's economic integration in order to achieve better gender equality. As matter of fact, the report highlights that a greater gender diversity in digital economics can lead to a more important economic and social value. However, few studies have been conducted on this subject and looking at the replication of offline stereotypes, online. For instance, Lambrecht et Tucker (2019) have put forward the presence of algorithm bias toward women in online advertising, explained by the existence of biases on the online platforms market. On the other hand, Kleinberg et al. (2018) have shown the importance of algorithms regarding the presence of human biases in legal decision making. Therefore, the development of online services as well as the use of data analysis and prediction algorithms in Artificial Intelligence by companies, raises questions as to the replication of stereotypes online; a field highly needing further research (Cowgill et Tucker, 2019). This thesis will reflect upon the presence and the impact of gender stereotypes on digital markets' matching algorithm.