人們通常認為線上招聘可以減少對於性別、年齡和種族的偏見，因為求職者通常不會明確說明這些資訊。但是一項新的研究表明，由於求職者姓名和照片等一些細微的線索，這些偏見依然存在。

Jason Chan和王靜著重研究了性別偏見。之前的研究結果表明，這種偏見線上下是針對女性的。而他們卻發現線上的情況截然相反：雇主更傾向于雇傭女性求職者，這種情況對於那些線上雇傭經驗不足的雇主、女性雇主、發展中國家工人和行政支持崗等適合女性的職位來說就體現得更為明顯（儘管適合男性的職位對於男性求職者沒有體現出相類似的偏好）。

作者說：“到2020年，線上市場產值預計將高達160億美元。鑒於其規模巨大，線上雇主的招聘決策將對全球數百萬工人產生重大的社會和經濟影響。這就使得我們必須思考雇主的雇傭偏好是如何嚴重影響工人獲得工作機會的，同時我們必須審查這個可能影響新勞動力市場招聘結果的系統性偏好。”

他們的調查結果是基於對某大型線上勞務平臺2012至2013年間職位發佈情況和求職人員的分析研究，共計有264875個職位和超過570萬的求職者。通過識別姓名和圖片，利用機器學習技術，他們能夠通過實證分析推斷出工人的性別。

他們還對較小的資料集進行了測試，以瞭解他們發現的偏好的性質以及產生原因。測試涵蓋了六項對工人維度的考察，包括知識、專業性、工作適應性、可信度、合作性和吸引力，其中後三者與能力無關。但是作者發現它們對招聘決策的影響很大。

作者說：“我們認為這與雇主能夠通過線上評級評估求職者的能力，而使用模式化的線索來推斷微妙的人際關係特徵（例如可信度）這一事實有關。雖然這種偏好線上下市場可能看似違反直覺，但這一發現對於學者來說並非完全出乎意料。信任是線上建立關係和完成交易的關鍵因素，而女性求職者往往被認為更值得信賴和合作。”

他們建議，如果平臺所有者允許工作者在公開的人員檔案中使用假名或者非真實頭像，而只是使用真實姓名作為內部認證，這樣就能減少性別歧視。雇主還可以思考一下在招聘時性別歧視的表現形式。

他們說：“線上市場降低了搜索成本，提高了匹配效率，受到眾多雇主和員工的歡迎，但是這些市場的擴張也會帶來傳統市場遇到的社會和經濟挑戰。通過揭示線上勞動力市場中招聘偏好的普遍性和性質，我們的研究結果有助於解決其中的一些問題。”