族裔組成在動，性別比例沒有

十年的趨勢是穩定上升：2010 到 2022 年間，WiML 工作坊的參加人數成長了十三倍。2021 到 2022 年的下滑是這條線第一次真正中斷，本章把原因歸給 NeurIPS 整體參加人數的下降 — 而那又跟研討會不再採用純線上形式有關。2020 年起 WiML 也在 ICML 辦 Un-Workshop，重點放在不同背景的參與者之間的協作，而不是論文發表。

2022 年房間裡的人

• 性別方面，37.0% 的回覆者認同為女性、25.8% 為男性 — 另有 36.3% 選擇不透露，加上 0.5% 非二元、0.2% 性別流動與 0.2% 性別不順從。
• 房間裡有一半的人還在受訓階段：博士生佔參與者的 49.4%，其次是研究科學家與資料科學家(20.8%)、軟體與資料工程師(8.4%)以及教職(4.4%)。
• 依居住洲別，北美以 41.5% 居首，其次是歐洲(34.2%)、亞洲(17.1%)、非洲(3.4%)、南美(1.6%)與大洋洲(1.4%)。有一位回覆者當時暫居南極洲。
• 投稿主題集中在應用而不是理論：應用(32.5%)、演算法(23.4%)與深度學習(14.8%)領先，最佳化與理論則各只有 1.0%。

學士是動得最多的一層，而幅度也不大：2021 年新科資訊科學學士有 22.30% 是女性，比前一年高，也符合十年來的緩升趨勢，男性則是 77.66%，非二元或其他 0.04%。碩士是三個層級中男性比例最低的，女性 27.83%、非二元 0.90% — 但本章講得很直接：這個數字長期並沒有明顯上升，2011 年是 24.6%，2021 年也只到 27.8%。博士從 19.9% 升到 23.30% 為女性，非二元 0.12%；新科資訊科學博士有 76.58% 是男性。

AI 博士是全章最平的一條線

在專攻人工智慧的新科博士中，2021 年有 78.7% 是男性、21.3% 是女性。相對 2011 年增加了 3.2 個百分點 — 而這十年正是 AI 從學術子領域變成整個產業核心的十年。報告自己的判讀是：2020 到 2021 年只有微幅上升，過去十年在新科 AI 博士的性別上看不到有意義的趨勢。

唯一真的在動的是教職聘任

截至 2021 年，北美資訊科學、電腦工程與資訊學系的教職成員有 75.94% 是男性、23.94% 是女性、0.12% 是非二元 — 女性比例比 2011 年增加約 5 個百分點。新聘的樣貌跟在職者不同：2021 年的新聘教職有 30.17% 是女性，高於 2017 年的 24.9%，也比 2015 年高出約九個百分點，非二元佔 0.57%。因為教職汰換很慢，新聘比例高於在職比例，正是在職數字未來會跟上的方向。

調查第一次問到的一件事

2021 年版的 Taulbee 調查第一次詢問各系所，過去一年有多少學生接受身心障礙相關的協助措施。人數都很少：學士 4.1%、博士 1.0%、碩士 0.8%。本章把這組數字當成第一個基準線而不是結論 — 並在別處指出，公開可得的 AI 多元性人口資料稀少到有些面向完全無法涵蓋，性傾向就是其中之一。

2021 年新科本國資訊科學學士中，46.69% 是白人、33.99% 是亞裔、10.91% 是西語裔(不分種族)、4.10% 是多種族、3.85% 是黑人或非裔美國人、0.24% 是夏威夷原住民或太平洋島民、0.22% 是美洲原住民或阿拉斯加原住民。亞裔、西語裔與多種族的比例在這十年間都穩定上升。這組數字只涵蓋本國學生 — 這是個實質限制，因為當年有 16.3% 的新科資訊科學學士是非本國居民，而調查並未回報他們的族裔。

研究所層級的方向一樣，只是起點更高。碩士：白人 50.28%、亞裔 34.83%、西語裔 7.25%、黑人 3.82%、多種族 3.45%。博士：白人 58.64%、亞裔 29.00%、西語裔 5.12%、黑人 4.05%、多種族 2.13% — 白人比例比 2011 年下降 9.4 個百分點。北美的計算研究所高度倚賴國際學生，而他們完全不在上面這些百分比裡：2021 年新科資訊科學碩士有 65.2%、博士有 68.6% 是非本國居民。

教職是變得最慢的一層

2021 年的本國資訊科學、電腦工程與資訊學系教職中，58.08% 是白人、29.70% 是亞裔，另有 5.82% 未知、2.80% 西語裔、2.54% 黑人或非裔美國人、0.67% 多種族、0.25% 美洲原住民或阿拉斯加原住民、0.13% 夏威夷原住民或太平洋島民。白人教職與次大族群之間的差距正在縮小，從 2011 年的 46.1 個百分點降到 2021 年的 28.4 個百分點，但縮小的方向只有一個。全章變動最小的數字是黑人的代表性：學士 3.85%、碩士 3.82%、博士 4.05%、教職 2.54%。

2021 年的 AP 資訊科學考卷中，69.16% 由男學生應考、30.58% 由女學生應考、0.26% 由不認同為男性或女性的學生應考。男學生的應考數仍多於任何其他性別，但女性比例在過去十年幾乎翻倍 — 這是本章在所有層級裡記錄到最快的性別變化。

各州的差距很大，而且跟產業聚集的地方沒有關係。女性比例最高的是阿拉巴馬(36%)與華盛頓特區(36%)，其次是內華達、路易斯安那、田納西、馬里蘭與紐約，各 35%。資訊科學與 AI 活動最密集的幾個州反而落在全國平均附近 — 華盛頓州 32%、加州 31%、德州 30%。墊底的是堪薩斯與南達科他(各 15%)、北達科他(16%)與阿拉斯加(20%)。

族裔的變化方向跟大學一樣

2021 年考卷中白人學生佔比最高，達 42.74%，其次是亞裔(28.78%)、西語裔(16.48%)、黑人或非裔美國人(6.32%)、兩個以上種族(4.92%)、美洲原住民或阿拉斯加原住民(0.62%)與夏威夷原住民或太平洋島民(0.15%)。跟大學端的資訊科學一樣，應考族群逐年變得更多元，亞裔、西語裔與黑人學生的比例都在上升。