編輯：Daisy Yuhas
男人和女人真的有多大不同？大約 30 年前，如果約會指南可以作為參考，有些人認為性格存在巨大差異，例如《男人來自火星，女人來自金星》這樣的關係建議。今天，相比之下，某些社群正在反擊二元性別的觀念，二元性別將男人和女人視為不同的類別。（快速提醒：性別——用“男人”、“女人”和“非二元性別者”等術語描述——具有強烈的文化和社會成分。但生理性別——有時用“男性”、“女性”和“雙性人”等形容詞描述——指的是生物學特徵的組合。）
科學家們也在更認真地審視性別、生理性別和性格。一方面，研究人員正在辯論順性別男性和女性之間的性格差異究竟有多大。（這些人將自己描述為男人或女人，並表示這種性別認同與他們出生時被指定的生理性別一致。）答案取決於心理學家如何衡量個人的特徵。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續講述關於塑造我們當今世界的發現和想法的具有影響力的故事。
例如，一項涉及美國超過 30 萬名自認為是男性或女性的人的研究，既考察了廣泛的性格特徵，如外向性和宜人性，也考察了這些特徵更具體的方面，如熱情的溝通風格或利他行為的傾向。在這個樣本中，研究人員發現男性和女性參與者在廣泛的特徵方面存在中等程度的差異，但在大多數情況下，在更具體的層面上差異更大。例如，總體而言，研究中的男性和女性在性格外向性（一種廣泛的特徵）方面相似。然而，當科學家們考察外向性的具體方面時，他們發現男性參與者平均而言比女性更頻繁地尋求刺激的場合。而女性參與者表現出的活動水平高於男性。
為了測試迄今為止最全面的性格特徵集，我們的專案 ClearerThinking.org 運行了一系列 15 項研究，並對超過 15,000 人進行了分析。我們的分析僅限於順性別男性和女性：我們研究中 98% 的參與者這樣定義自己，因此我們沒有足夠的資料來闡明非二元性別者和跨性別者的性格特徵。從資料中，我們發現了 18 種特定的自我報告特徵，這些特徵在男性和女性之間存在差異。接下來，我們構建了一種演算法，旨在根據人們在這些特徵上的自我報告得分來預測他們的性別，準確率為 78%。這個準確率很高，但遠非完美，揭示了從個人特徵組合預測其性別的挑戰。最後，我們將我們的研究問卷——人們在問卷中對“我大聲笑”和“我經常擔心”等陳述的同意程度進行評分——改編成線上互動評估。
為了為我們的研究建立問題，我們進行了非常廣泛的撒網式搜尋，查閱了大型性格專案，回顧了學術文獻，並眾包了想法。在確定 18 種在我們的樣本中自我認同為男性和女性之間差異最大的特徵之前，我們最終測試了 600 多個關於性別差異的性格問題。這些特徵不僅包括心理學研究中廣泛使用的廣泛特徵（如外向性和宜人性），還包括更具體的思維和行為模式，例如個人承擔風險的頻率或他們對美學的關注程度。我們還透過進行一項最終研究來複制主要發現，從而再次檢查了我們的結論。最終，我們發現順性別男性和女性在任何性格特徵上都沒有大的差異。但我們確實在 18 種性格特徵中發現了小的和中等程度的差異。
這些差異中最大的是順性別者思考性的程度，透過要求人們對他們對“當我遇到一個外貌有吸引力的人時，我經常有性想法”這一陳述的同意程度以及對“我不經常思考性”這一陳述的反對程度進行評分來評估。（這種“以性為中心”的特徵雖然與心理學中常見的重大性格特徵沒有聯絡，但仍然符合性格特徵作為思維、情感或行為模式的概念。它也與一個叫做性專注的概念有關。）我們發現性別可以解釋人們以性為中心的程度約 18% 的變異。男性在這個特徵上的平均得分高於女性。然而，仍然有很多女性的得分高於大多數男性。換句話說，個體男性和女性之間存在很大差異，即使在群體層面上，男性往往與女性不同。
在每個特徵上，男性和女性之間都存在很大程度的重疊。然而，在尾端——即人們非常同意或非常不同意我們提出的問題的地方——出現了更大的差異。例如，極低的同情心在男性和女性中都很罕見，但少數被認為非常缺乏同情心的人更可能是男性。這一結果與反社會型人格障礙（通常涉及缺乏悔恨或同情心）在男性中比女性中更常見的發現相符。
那麼，是否存在“男性的性格”和“女性的性格”呢？有趣的是，我們研究中的幾乎每個人都是“更常見於男性”和“更常見於女性”特徵的混合體。對於任何給定的特徵，一個女性個體比男性總體平均水平更接近女性總體平均水平的機率僅為 61%。而一個男性比女性總體平均水平更接近男性平均水平的機率僅為 57%。只有約 1% 的男性和 1% 的女性幾乎完全具有“更常見於男性”或“更常見於女性”的性格特徵。
為了測試從性格預測性別的準確性，我們開發了一種簡單的機器學習演算法（一種計算機程式，用於尋找關於哪些性格特徵與作為順性別男性或順性別女性相關的模式的資料）。我們使用過去研究參與者的結果訓練了我們的演算法，然後向演算法展示了新參與者的性格特徵，以檢視它預測他們性別的效果如何。僅使用最具預測性的特徵——以性為中心——該演算法就可以在 69% 的時間內正確預測一個人的性別。對於某些人來說，這個結果可能令人印象深刻。但預測遠非完美，因為一些女性比普通男性更以性為中心。
當我們允許演算法一次性整合所有性格差異時，演算法的準確率上升至 78%。這是一個很大的進步——但對於另外 22% 的人來說，該演算法的預測是錯誤的。當我們向公眾釋出我們的測驗時，準確率略微下降至 74%。但這仍然比普通人好得多：我們給另一組研究參與者提供了性格特徵集，我們解釋說這些特徵屬於特定個體。然後，我們要求參與者使用這些性格特徵來預測其他人的性別。他們的正確率僅為 58%，幾乎與拋硬幣沒什麼區別。該測驗被稱為性別連續體測試，您可以在我們的網站上親自嘗試，看看該演算法是否會預測您的性別。
我們認為我們的結果為性格中的性別差異的大小提供了新的啟示。然而，有一些重要的注意事項。首先，我們所有的研究參與者都來自美國，考慮到文化等因素影響性格和性別，我們對將我們的結論推廣到其他社群持謹慎態度。其次，我們的研究無法深入瞭解性格差異的原因——例如，這些差異在多大程度上可以用環境和文化來解釋，而不是生物學。第三，正如我們之前提到的，我們沒有足夠的資料來評論跨性別者、雙性人或非二元性別者。我們希望未來的研究能夠探索性格、生理性別和性別辯論的這些維度和其他維度。
目前，我們的研究提醒我們，平均而言，順性別男性和女性在他們報告性格的方式上確實存在一些小的到中等程度的差異，但幾乎每個人都是更常見於男性的特徵和更常見於女性的特徵的混合體。如果您試圖從性別來猜測某人的性格，您很可能會犯錯。