正文
这两天知乎上几个关于性别歧视的问题比较热门，我也借此机会来说说“偏见”、“刻板印象”、“歧视”这三个词吧。这几个词在意思和用法上都比较像，很多人可能会混着用。虽然大多数时候也没什么大问题，但偶尔可能还是会导致歧义和误解。
偏见：
偏见(prejudice)应该来自于prejudgement(预判断)一词，顾名思义就是（在没有实际接触或深入客观了解的前提下）进行预先判断的结果。稍微正式一点的一种定义是：一种先入为主而并非基于理性或亲身经历的观点 (Preconceived opinion that is not based on reason or actual experience)。说A对B有偏见指的是A对B持有一种先入为主的且往往没有事实依据的观点。比如小明觉得女生没男生聪明，那么小明对女生有偏见。当然，如果你认为“女生没男生聪明”就像“太阳比地球大”一样是客观事实，那么你可能就不会认为小明有偏见。所以对于偏见的争论往往就聚焦在不同人对“客观事实”的认知上。这就跟“刻板印象”有关系了。
刻板印象：
刻板印象(stereotype)指的是：对于某个人群的一种以偏概全的观点 (An over-generalized belief about a particular group of people)。比如女人都很感性，黑人篮球打得都很好，穆斯林都是恐怖分子，XX省的人都XXX。当然，刻板印象也可以不是针对人类的，你可以对某种动物或食物或任何一个类别的东西有刻板印象，不过我们这里暂时不讨论。
刻板印象可以是正面的(女人都很细心)也可以是负面的(女人逻辑都很差)，但只要是刻板印象都是错误的，或者说都是不完全正确的，因为没有哪个群体内的个体是完全相同的。但大多数刻板印象也是部分正确的，确实有一部分女人很细心，也有一部分女人逻辑差。有一些刻板印象甚至可以是几乎完全正确的，比如“老年人身体没有年轻人好”，“中国人会说中文”，而这些刻板印象在现实中也往往会被默认接受，即使他们不是100%正确的。
但大部分刻板印象在现实中都有可能产生争议，引起一些人的不满。任何人都属于许多个不同的群体，而几乎每个群体都有对应的刻板印象。一些人可能对性别刻板印象无所谓，但别人一提到ta家乡的刻板印象ta就要跳起来。
当然，也有一些刻板印象是完全错误的，比如一些西方人可能认为中国人全都留着大辫子，饭后都会吃fortune cookies (美国中餐馆必备，但中国人一般都没见过...)
总得来说，刻板印象的正确程度越低，被接受的程度也越低，引起争议的可能也越大。
刻板印象其实是人类认知世界的一种捷径，就像标签一样，帮助大脑归类和整理。但如果完全用刻板印象替代了现实，忽略了现实中某个群体内部的差异，或无视某个群体的变化和发展，还用早就过时的刻板印象套到现实里，那就有问题了。一方面，你对世界的认知和理解可能会有严重的偏差而你却不自知，最后可能会伤害自己伤害他人。另一方面，拿某个群体的平均特征或某个群体中一小部分人的特征去代表这个群体中的所有个体是对每个个体的不尊重，且这种不尊重往往与刻板印象是否负面没有关系。你对女生说“你是女生，你肯定做事很细心吧”和“你是女生，你肯定觉得数学很难吧”都是不尊重的表现。只不过在一些相对更崇尚个人主义的社会（比如美国），人们对这种不尊重会比较敏感，会觉得“我就是我，我是一个独一无二的个体，我有独立人格，而不仅仅是女生中的一员，别的女生怎么样跟我有什么关系，你凭什么拿她们来代表我？” 而在一些不是那么强调个人主义的社会，人们可能没那么敏感，甚至会觉得一些正面刻板印象是对自己的褒奖。
现在说回偏见。“女生没男生聪明”这个观点肯定是一个刻板印象。一些人或是没意识到这点，把刻板印象直接当事实，或是认为这个刻板印象足够正确（比如95%女生都没男生聪明）以至于可以被当成事实，然后就基于这个刻板印象，认为这并不是偏见。而另一些人，知道“女生没男生聪明”只是个刻板印象而已，而且可能与事实偏差得很严重，因此认为这就是偏见。
歧视：
歧视(discrimination)最初是个中性词，意思只是“区分对待”。但现在歧视一般指的是基于偏见等不合理不正当理由的区分对待。如果人们在刻板印象和偏见的影响下，同时往往带着诸如恐惧和敌意等情感，对不同人群进行区分对待，这就是歧视。比如因为“女人能力差”这样的偏见而不招女人就是一种就业歧视，因为“女生逻辑差”而劝女生去读文科，对理科班的女生不重视就是一种教育歧视。
再来说说一类比较特殊的歧视：
统计歧视
(statistical discrimination)。有人说：的确不是所有穆斯林都是恐怖分子或小偷，但平均来说穆斯林中产生这些人的概率比其他人群要高，所以在没有其他信息的情况下，我如果要在一个穆斯林和一个非穆斯林中选一个的话，我肯定是选非穆斯林来得安全。这样一来歧视似乎是纯理性的结果了。
但统计歧视需要满足两个基本前提：已知信息的准确性和未知信息的无法获取性。对于个人而言，统计歧视只能是在对已知信息有绝对把握但又没有任何渠道获取更多信息的情况下的一种权宜之计，而非所有状态下的默认策略：
-
首先你必须保证你对某个人群的已知信息是准确的（穆斯林的平均犯罪几率高于非穆斯林，黑人的平均工作态度差于其他人种，女人的平均工作能力弱于男人）。这不是靠个人观察或媒体个案报道能得出的，是需要代表性大样本的，需要查阅相关权威数据的。否则你一边用“纯理性”正当化统计歧视的使用，一边却随意根据一些个案得出对于某个群体的结论，这样不太合适吧。而往往统计数据会与你的直觉矛盾，比如你会发现河南人的犯罪率可能排不进前十，新疆人甚至是倒数。比如你可能会发现黑人使用毒品的概率低于白人，虽然他们因使用毒品而被逮捕的概率远高于白人。比如你会发现男司机出车祸的概率和严重程度高于女司机（已对人数基数和里程数进行修正），因此男司机的车险一般也高于同等情况的女司机。如果你对于某个人群的已知信息似乎是不准确的，那统计歧视的正当性也就失去了，因为很可能歧视的对象刚好反了。
-
然后你必须保证自己在做决定前已经无法获取已知信息以外的其它信息了。比如一个穆斯林一个非穆斯林，你已知穆斯林平均犯罪率高，但同时你又知道那个穆斯林是大学教授，而那个非穆斯林是无业游民。那这时你觉得谁更有可能伤害你一些？如果你一看到“穆斯林”这个标签就作出判断，而无视“职业”这个更相关的信息，你很可能会做出错误的判断。只靠“穆斯林”、“女人”、“黑人”之类的标签来做选择是非常低效的。举例：你要招10个雇员，有A人群和B人群各100人来应聘。假设你根据权威数据或之前大量经验已知A人群里20%能胜任此工作，B人群里30%胜任此工作。你如果只按人群标签看，不考虑其他信息，那你会随机招10个B，这10个B人种的人里能力有高有低，平均3个能够胜任，7个不能。而如果我不看人群标签，而直接进行能力测试，不管哪个人群一律都要，那结果我就招到了这200个人里能力最强的那10个人，你说哪种策略效率更高更合理？当然，测试本身也是有成本的，但这就需要更复杂的模型了。
