1.12 多样性、公平、包容与归属感

概述与动机

多样性（diversity）、公平（equity）、包容（inclusion）和归属感（belonging）是四个各不相同的概念，人们却常常把它们混为一个缩写词，而正是这种混淆让大多数相关项目走上歧途。多样性指的是构成：团队中存在的背景、身份、学科和亲身经历的范围。公平指的是结果上的公正：薪酬、晋升、任务分配和获得机会的渠道，是按贡献分配，还是按谁与掌权者相似而分配。包容指的是日常实践：房间里的人是否真的能够做出贡献、被倾听、并影响决策。归属感指的是一种主观感受的结果：一个人是否相信自己是团队的正式一员，而不是每天都要重新争取自己座位的客人。你可以拥有多样性却没有包容（一个多元化的团队里却只有少数人的声音算数），也可以拥有包容却没有归属感（彬彬有礼的会议上人们仍然感觉自己是局外人）。把这四者分开命名，是诚实面对问题的第一步。

对一个大型软件团队而言，这是一个工程问题，而不是一句该归档到人力资源部门的口号。软件承载着构建它的人的种种假设。一个同质化的团队会交付出同质化的盲点：对包含非拉丁字符姓名的用户验证失败的身份认证、拒绝有效国际地址的表单、对代表性不足用户效果下降的机器学习模型、把残障人士排除在外的界面。能权衡更多视角的团队，能在客户之前发现更多这类问题，也更少陷入群体思维（groupthink）。公平的理由和质量的理由指向同一个方向，这很方便，因为要让这项工作持续下去，你两者都需要。

企业和政府组织对这里的风险感受最为强烈。企业要面对薪酬透明法规、股东监督和声誉风险；一旦薪酬公平差距在诉讼或媒体报道中浮出水面，代价既是金钱上的、也是信任上的。政府组织受平等就业机会法律和无障碍法规的约束，并且要为全体公众服务，包括那些私营市场常常忽视的人群。在这两种场景下，做好这件事既部分是法律义务，更主要是一种能力问题：一个无法想象多元人群的团队，是无法服务一个多元人群的。

关键原则

多样性、公平、包容和归属感是四件不同的事；分别对待它们，否则你会只优化其中一项而忽略其余。
包容的团队能构建出更好的软件，因为它们承载的共同盲点更少，而不是因为包容是一种友善的姿态。
结构胜过良好的意愿：偏见隐藏在无结构的决策中，因此要为招聘、校准和晋升增加结构（参见第 1.8 章和第 1.3 章）。
公平以结果来衡量，尤其是薪酬和晋升的结果，而非意图声明。
归属感建立在心理安全感（psychological safety）之上；人们只会在感到安全的地方主动融入（参见第 1.1 章）。
无障碍是对残障同事和用户的包容，而不是一条独立的合规轨道（参见第 5.3 章）。
要真诚地开展这项工作，否则要预料到反弹；表演性的项目比什么都不做更快地侵蚀信任。

建议

通过增加结构而非劝人公平来减少偏见

认知偏见（cognitive bias），包括无意识的那种，是人类思维节省资源的一种运作方式，你不可能靠一小时的培训把它训练消失。关于独立开展的无意识偏见培训的证据是薄弱的；仅仅提高意识，很少能单独改变行为。真正有效的是重新设计偏见起作用的那些决策环节。在招聘中（参见第 1.8 章），使用结构化面试，让每位候选人面对相同的问题，并按一套明确定义的评分标准打分，在可行的情况下匿名化简历，使用统一的工作样本练习，而非那种偏向文化相似性的自由式对话。在见到候选人之前先定义好标准，并针对该标准记录证据，而不是凭直觉下结论。多元化、经过培训的面试小组有帮助，前提是不要让同样那几位代表性不足的工程师被面试任务压得筋疲力尽。目标是让公平的选择成为阻力最小的路径，这样一位忙碌、分心的经理依然会走到正确的结果上。

让薪酬和晋升公平可衡量、可审计

公平的成败取决于两套系统：薪酬和晋升。至少每年进行一次薪酬公平审计。比较可比工作在性别、种族及其他受保护特征之间的薪酬差异，控制职级和地点等合理因素，然后认真审视剩下的残余差距。如果发现了差距，就用真实的预算去修复它，而不是承诺“会关注”。在晋升和校准（参见第 1.3 章）方面，危险在于那种无结构的委员会，在那里一个能说会道的支持者或一种模糊的印象就能左右结果。要求晋升理由以书面、基于证据的形式，对照一套公开发布的职级体系来撰写，跨团队进行校准，以免某位宽松或严苛的经理扭曲结果，并审视谁获得晋升、谁获得有挑战性的项目、谁停滞不前的人口构成情况。留意“粘合性工作”（glue work）的分配（）文档编写、值班协调、指导他人等必不可少却缺乏荣耀的任务（）因为它不成比例地落在女性和代表性不足的工程师身上，而到了晋升时却又得不到认可。要么明确地为此记功，要么就不要再指望有人做。

把包容融入日常工程实践

包容的成败发生在寻常时刻，而不是在年度活动中。在会议中，轮流让不同的人先发言，以免资深人士的意见主导讨论，使用轮流发言或书面头脑风暴来发掘较安静者的贡献，并留意这样一种模式：某人的想法被忽视，直到一位地位更高的人重复了它才被采纳。精确而公开地归功于人。公平地分配值班和粘合性工作，并追踪其分布情况。在代码、文档和界面中选择包容性的语言；像用“master/slave”和“whitelist/blacklist”这类术语的替代做法成本很低，却能表明你考虑过谁会阅读你的工作成果。通过在各时区轮换会议时间，而不是总让同一个地区迁就他人，来照顾全球分布的团队，并默认以书面形式沟通，这样不在最嘈杂那个房间里的人依然能够跟上并影响决策。这些都不是繁重的流程。正是这些小小默认设置的累积，决定了一个多元化的团队是否真的能够正常运转。

把无障碍视为对残障同事和用户的包容

大约六分之一的人患有显著的残疾，所以无障碍不是一个边缘情形。对内而言，这意味着会议要有字幕、内部工具要兼容屏幕阅读器、文档不能是纯文字图片，招聘流程要能提供便利措施而不必让人苦苦哀求。对外而言，这意味着构建能与辅助技术协同工作的产品，这在许多司法辖区既是法律要求，也是工程质量的标志（第 5.3 章涵盖了相关技术实践）。残障工程师能构建出更具无障碍性的产品，因为他们亲身遇到过这些失败之处，这也是包容与质量相互强化的又一个原因。把无障碍融入你对“完成”的定义之中，而不是在审计前临时补上。

投资于举荐（sponsorship），而不仅仅是指导（mentorship）

指导（mentorship）提供建议；举荐（sponsorship）则花费政治资本。导师告诉你如何争取晋升；举荐人则在决定晋升的那个房间里、在你不在场时为你据理力争。代表性不足的工程师往往被过度指导、却举荐不足，这正是他们可能多年积累建议却仍未获得晋升的原因。要求资深领导者去举荐具体的人：把自己的名字押在有挑战性的任务上、在校准会议上为其发声、为其打开门路。员工资源小组（employee resource group）是围绕共同身份或经历组织起来的自愿、由员工主导的社群，能提供归属感、同伴支持，以及向领导层反馈的渠道。为它们提供资金，给组织者带薪时间，而不是无偿的额外劳动，并把它们的意见当作数据来对待。不要把整个策略外包给它们，也永远不要让被边缘化的员工承担修复边缘化问题的责任。

诚实衡量，拒绝形式主义指标

你无法管理你拒绝去看的东西，而讨喜的数字也能让你自欺欺人。要追踪各职级层面的代表性，而不仅仅是总人数，因为一家公司可能在入门级别是多元化的，而在高级职位上却千篇一律，而这一发现本身才是要紧的。按阶段追踪招聘漏斗的转化率、按群体追踪令人遗憾的流失、晋升速度、薪酬差距，以及按团队划分的包容度调查结果。把令人不安的数字与好的数字一并报告。把目标设定为持续的代表性和公平目标，并与问责机制挂钩，抵制走向象征主义（tokenism）的诱惑（）即为了显得多元化而增加一名代表性不足群体的成员，却对权力和功劳的流向毫无改变。一个人不是解决方案；那是压在那个人身上的负担。诚实的衡量偶尔会让领导层感到不适，而这正是它真实有效的标志。

权衡取舍：利与弊

做法	优点	缺点
附带问责机制的代表性目标	推动真实的进展；让领导者对结果负责	如果被塑造成配额而非渠道和流程目标，可能招致法律风险和“降低标准”的说法
结构化招聘与校准	可衡量地减少偏见；可辩护且一致	更慢、更僵化；需要持续维护，以及偏好凭直觉判断的经理的认同
员工资源小组	归属感、同伴支持、反馈渠道	若未获资助则是无偿劳动并导致倦怠；可能沦为结构性变革的象征性替代品
公开的薪酬公平审计	建立信任；及早发现偏差	揭示出你随后必须投入资金修复的责任；披露内容令人不适
多元化面试小组	更好的信号；向候选人示范包容	让为数不多的代表性不足工程师负担过重（“少数群体税”）

这里的核心张力，存在于眼前的速度与舒适感，和长期的公平与质量之间。结构化流程比信任直觉感觉更慢、更受限，诚实的指标也会暴露出你宁愿不去承担的问题。这里还有真实存在、需要应对的反弹：一些同事把公平工作解读为降低标准，或是把政治强加于工程之上，而笨拙的项目会给这种解读提供弹药。解决这种张力的办法是把一切都建立在流程的公平性和结果的质量之上，而非口号之上，坦率地说明这么做的目的是提升决策的标准，并对结果进行衡量，让这项工作被证据而非感觉来评判。

与团队讨论的问题

在我们的招聘、校准和晋升决策中，哪些地方我们仍在依赖直觉而非结构？ 偏见在无结构的时刻做着最不动声色的功课：那种偏向让你想起自己的人的自由式面试、由最能言善辩者主导的校准辩论、交给本就显眼的人的挑战性项目。绘制出你实际的决策节点，标记哪些有明确定义的评分标准、书面证据和跨团队校准，哪些则凭印象运作。带上每个阶段结果的人口构成数据，因为漏洞通常表现为特定群体的急剧下降。答案应该能准确告诉你首先该为哪个流程增加结构，第 1.8 章和第 1.3 章给出了具体做法。如果每一个重要决策都靠直觉运行，你面对的就不是一个可以靠劝说解决的公平问题，而是一个可以靠工程手段解决的设计问题。
我们是否清楚自己的薪酬和晋升差距，如果发现了差距，我们是否愿意出资修复？ 许多组织回避真正的薪酬公平审计，恰恰是因为他们猜到审计会揭示什么，而一次揭示出差距却又被忽视的审计，比根本不做审计更糟糕，因为现在这个差距已经被记录在案、众所周知。提前决定你会修复所发现的问题，并在动手审视之前就预留预算。带上按职级和地点控制过的可比工作薪酬数据，以及按群体划分的晋升速度数据，这样讨论才能围绕证据而非轶事展开。讨论谁来负责修复以及截止到何时，因为一个没有负责人、没有日期的公平承诺只是一种声明，而非承诺。这个问题诚实的版本是：当公平这件事不方便时，领导层是否愿意花钱去做到公平。
我们是在真诚地做这件事，还是在表演它？我们如何分辨这两者？ 表演性的项目（）有声明却无审计、有资源小组却无资金、有多样性宣传页却没有多元化的领导层（）比什么都不做更糟糕，因为它们消耗了信任却什么都没改变，而员工很快就能看穿。问一问你的组织在过去一年里究竟改变了什么：一个被重新设计的流程、一个被弥合的薪酬差距、一个被提升的晋升率、一个变得无障碍的产品。也要权衡真实存在的反弹，既包括那些觉得标准正在下降的同事，也包括那些被无偿的多样性劳动耗尽精力的边缘化员工，并决定你将如何诚实而非防御性地应对每一方。带上行为的证据，而非意图的证据：预算、决策和结果。如果你能指出的唯一实物只有声明和活动，那你就是在表演，而解决办法是把这项工作与能产生可衡量变化的系统连接起来。
我们在哪些地方把指导和举荐混为一谈？我们有哪些代表性不足的工程师，只有建议、却在决定晋升的那个房间里没有倡导者？ 给建议成本低廉、容易过量供应，所以代表性不足的工程师常常多年积累导师，而那些真正能为他们花费政治资本的人却从不出手，结果是一段看起来支持充分、实则停滞不前的职业生涯。对大型组织而言，与之竞争的考量是真实存在的：举荐是一种有限的资深资源，如果任由其非正式流动，它就会顺着亲近关系和曝光度流动，恰恰复制了你试图消除的那种偏见。带上谁在举荐谁的地图、按群体划分的晋升结果和挑战性任务分配情况，以及一个诚实的判断（）你的资深领导者是否每个人都能说出一位与自己不同、且自己正在积极为其发声的人。在企业和政府场景中，把举荐与继任规划挂钩，使其成为一项被审视的领导层期望，而非一种恩惠，因为在平等机会的审视之下，由隐形的恩庇关系喂养的晋升渠道既不公平，也难以辩护。
我们团队里究竟是谁在做粘合性工作和多样性劳动？它在晋升时是否被计入功劳？我们是否在悄悄地向同样那几个人抽税？ 文档编写、值班协调、指导他人、参与面试小组、运营员工资源小组这类必不可少却缺乏荣耀的工作，不成比例地落在女性和代表性不足的工程师身上，而当它得不到认可时，就变成了一种税负，拖慢了你声称正在提携的那些人。这里的张力在于，这项工作确实需要有人去做，而自愿承担它的人看起来像是个好公民，所以解决办法不是停止这项工作，而是把它分配开并计入功劳。带上数据：谁在承担粘合性工作、谁参加了多少面试小组、谁在组织资源小组，以及这些是否出现在晋升理由中的任何一项里。对大型企业或公共机构而言，要决定资源小组的组织者是否获得带薪时间和正式认可，因为用受益对象本身的无偿劳动来运营一个多样性项目，是审计人员和员工都会注意到的模式。
从入门级别一路往上看到资深和领导职位，我们的代表性在哪里消失了？我们是按职级追踪，还是躲在一个总体人数指标背后？ 一家公司可能在招聘环节确实做到了多元化，却在往上两个职级几乎变得单一化，而领导层喜欢引用的总体人数数字恰恰掩盖了这一点，这正是为什么按职级划分的数字才是要紧的发现。与之竞争的压力在于，逐级数据令人不适，而较小的样本量也容易被当作噪音而搁置一旁，所以要提前就如何解读它以及什么样才算真实的趋势达成一致。带上按职级细分的代表性数据、按群体划分的晋升速度和令人遗憾的流失率，以及按团队划分的包容度调查结果，而不是一个公司范围的单一平均值。在企业和政府场景中，应预料到要向监督机构报告这些数字或依据薪酬透明规则进行报告，所以现在就建立起逐级视图，抵制在资深职级上走向象征主义的诱惑，并把一个从未抵达高层的多元化人才渠道，当作它本来就是的那种结构性问题来对待，而不是用来粉饰的一场汇报。

行业视角

初创企业。 团队规模很小、跑道也短，你无法为一个项目配备人手，所以要靠默认设置来换取公平，而不是靠项目：一套共享的面试评分标准和一次工作样本测试、按姓名归功决策的书面会议记录，以及每季度看一眼谁获得了有意思的项目。这些成本几乎为零，却能立刻在减少盲点方面得到回报，而在评审中因为团队里有人认出某个国际化缺陷而将其捕获，那是速度，不是开销。要在团队壮大之前就设好这些默认设置，因为把它们追加改造进一个已经定型的文化，要比一开始就采用它们难得多。

小型企业。 你没有专职的多样性专员，预算也紧张，所以要把承载最大法律和人身风险的那两套系统（）薪酬和招聘（）保持简单和诚实：一次轻量的年度可比工作薪酬对比，以及一套文档化、一致的招聘流程。在本来需要自行搭建的地方，依靠你现有的人力资源或薪资工具，以及你所使用平台中已有的无障碍功能，而不是去定制开发。把你稀缺的注意力花在杠杆最高的举措上，而这通常是确保薪酬和晋升是基于书面证据而非老板的直觉来决定的。

企业。 在规模化场景下，问题在于跨众多团队的一致性：结构化招聘、跨团队校准，以及全组织范围内应用、有负责人和预算的年度薪酬公平审计，而不是交给哪个经理愿意上心就上心。为渠道配备工具，使代表性、晋升速度、薪酬差距和令人遗憾的流失率能够按职级追踪，并连同令人不安的数字一起报告，把发现结果导向有资金支持的修复行动，而不是一个没人采取行动的仪表盘。治理和审计准备状态才是重点：一套有据可查、可辩护的流程，能在薪酬公平诉求或监管机构到来时保护你。

政府。 采购规则、透明度和公共问责制塑造着这项工作。你是在平等就业机会法律下招聘，并为全体公众而建设，所以要把无障碍当作“完成”定义中的一项能力来对待，用辅助技术测试公共服务，并有意从广泛的院校范围招募人才。向监督机构报告各职级的代表性情况，公开你能公开的内容，并要求你所采购的供应商和承包商达到你对自己所要求的同等无障碍和公平标准。

示例

初创企业。 一家二十人规模的初创公司注意到，其工程团队能力出众，却出奇地单一，而其入职流程对本国以外的用户不断出现故障。它没有启动一个自己无力承担的项目，而是做出三项具体改变：一个采用共享评分标准和工作样本的结构化面试流程、一条“会议记录必须书面记录、决策按姓名归功”的简单规则，以及每季度回顾一次谁正在获得有意思的项目。一年之内，团队在可衡量的意义上变得更加多元，而并非巧合的是，国际化入职的缺陷在评审阶段就被发现了，因为团队里现在有人能认出它们。这里的教训是，在这种规模下，微小的结构性默认设置胜过宏大的项目。

企业。 一家拥有数千名工程师的大型企业首次开展严谨的薪酬公平审计，在控制了职级、司龄和地域因素后，发现中层工程职位中女性存在残余的薪酬差距。领导层选择在一个周期内一次性拨款调整，而不是分阶段进行，在内部公开了方法论，随后深入挖掘原因，发现是起薪不均和晋升速度较慢所致。他们增加了起薪的护栏机制，跨组织校准晋升，并追踪粘合性工作的功劳归属。这次审计令人不适且成本高昂，但它避免了一场代价远高于此的歧视诉讼，同时可衡量地改善了受影响群体的留任率。

政府。 一家政府数字服务机构必须服务全体公众，并在平等就业机会法律下招聘，因此它把包容当作一项能力要求来对待。它把无障碍融入“完成”的定义，用辅助技术测试每一项公共服务，并默认提供面试便利措施。它有意从广泛的院校范围招募人才，而非局限于一小部分，并向监督机构报告各职级的代表性情况。当它交付出一款能被屏幕阅读器用户、识字能力有限者和非母语使用者顺利使用的福利申请系统时，这既是法律合规，也是一个被塑造成能够想象与自己不同的用户的团队所带来的直接回报。

商业理由：动机、投资回报率与总拥有成本

这项工作的回报既是防御性的，也是进攻性的。防御性方面，薪酬公平诉讼、歧视索赔和无障碍诉讼代价高昂且会公开曝光，而许多司法辖区的监管机构如今不论你是否愿意都要求薪酬透明和报告。一次成本不高的分析师项目式审计，就能预先化解一笔代价高出几个数量级的和解与声誉损失。进攻性方面，一个软件组织中最大的经常性成本是人，具体来说是失去并重新招聘他们的成本。代表性不足的工程师中令人遗憾的流失，往往恰恰发生在包容度薄弱的地方更为严重，而替换一名中级工程师，算上招聘、上手和知识流失的成本，通常要花费其年薪的一半到两倍。在一个大型组织中把这种流失削减几个百分点，其价值远超运行审计和结构化招聘的成本。

接下来是质量红利，它是真实存在的，只是更难量化到电子表格上。在设计阶段发现的盲点成本低廉；同样的缺陷若被客户、监管机构或媒体发现，则代价高昂，而其中一些（）比如一个对某个整体人群失效的模型，或是一款残障用户无法操作的产品（）还要额外承担法律和品牌上的代价。多元化且包容的团队能更早发现更多这类问题。要向领导层说明理由，就把这项工作与他们已经在追踪的指标联系起来：令人遗憾的流失率、职位空缺填补时间、晋升速度、薪酬差距数字，以及面向客户的缺陷率和无障碍达标率。诚实地阐述总拥有成本。做这件事的成本主要是领导层的关注、一些流程纪律，以及用于修复审计发现问题的预算。不做这件事的成本则会持续不断、悄无声息地体现在人员流失、返工、法律风险，以及那些悄悄排斥了你本想服务的人群的产品之中。

反模式与陷阱

没有流程变革配套的独立无意识偏见培训：提高了意识，却几乎不改变行为，还可能让人产生一种已经“赎罪”的错觉。
象征主义（tokenism）：为了显得多元化而增加一名代表性不足的人，而权力、功劳和决策的流向却一如既往。
少数群体税：让同样那几位工程师承担招聘、指导和资源小组劳动，却得不到认可也没有报酬。
形式主义指标：只庆祝整体人数的多样性，而高级职位依然千篇一律，薪酬差距也未被衡量。
表演性声明：公开做出承诺，却没有审计、预算或负责人为其撑腰，白白消耗信任。
有多样性却无包容：招聘了一个多元化的团队，却在要紧的决策中忽视他们的声音。
把无障碍当作临到审计前才补上的合规检查，而不是构建产品的一部分。
让被边缘化的员工负责修复边缘化问题，然后却奇怪他们为何会精疲力竭并离开。

成熟度模型

第 1 级，启动（Initiate）： 多样性、公平、包容和归属感是临时性的，或者根本不存在，应对方式是被动反应式的。招聘凭直觉运作，薪酬和晋升差距未被衡量，任何相关活动都只是一份由投诉或新闻头条触发的声明或一次性活动。代表性不足的工程师背负着看不见的税负，并悄悄离开。
第 2 级，发展（Develop）： 基础做法开始出现，但零散分布，团队之间参差不齐。少数团队使用结构化面试，一个资源小组已经成立，人数多样性在某处被追踪，但没有共享的评分标准，薪酬公平未经审计，无障碍是临时补上的，领导层把这项工作视为可选的、由个人自主推动的事。
第 3 级，标准化（Standardize）： 结构化招聘、跨团队校准、年度薪酬公平审计，以及包容性会议和包容性语言的默认做法在全组织范围内被记录并强制执行，每一项都有指定的负责人和预算科目。代表性按职级而非总量来追踪，举荐是有意为之的，无障碍被纳入“完成”的定义之中，因此包容性实践成为常态而非例外。
第 4 级，管理（Manage）： 标准化的实践被度量并对照基准进行控制。你按阶段和群体追踪招聘漏斗转化率、令人遗憾的流失率、晋升速度、控制了职级和地点因素后的残余薪酬差距、粘合性工作的分配情况，以及按团队划分的包容度调查得分，并将每一项与设定的目标和先前周期进行比较。出现偏差会触发审查，发现差距会触发有资金、有日期、有负责人的修复行动，而项目的继续与否取决于证据而非游说。
第 5 级，协同（Orchestrate）： 公平与包容在整个组织范围内持续改进并被整合到方方面面，从产品和无障碍，到招聘、校准和继任规划。令人不安的数字被公开报告并与问责机制挂钩，实践随数据和员工构成的变化而调整，归属感高到足以让多元化人才留下并获得晋升。这个系统能够自我再平衡：新出现的差距会及早浮现，并在固化为人员流失之前就被弥合。

讨论要点

如果我们明天开展一次严谨的薪酬公平审计，我们心里悄悄预期它会显示出什么？我们为什么还没有做过这样的审计？
我们团队里谁在做没有得到认可的粘合性工作？我们的晋升流程是奖励它，还是忽视它？
我们在哪些地方把指导和举荐混为一谈？谁在决定其晋升的房间里缺少举荐人？
我们最近的哪些产品缺陷或排斥性问题，若团队更加多元化，很可能会在设计阶段就被发现？
我们如何区分真正值得应对的反弹，与包装成“关注标准”的对公平的抵触？
我们的员工资源小组是否获得了资金支持和认可，还是我们在靠无偿劳动和善意来运营它们？

关键要点

多样性、公平、包容和归属感是四件不同的事；分别命名它们，并分别推进每一项工作。
包容的团队能交付更好的软件，因为它们承载的共同盲点更少；公平的理由和质量的理由是一致的。
偏见隐藏在无结构的决策中，因此要为招聘、校准和晋升增加结构，而不是依赖良好的意愿。
公平要在经过审计的结果中得到证明，尤其是薪酬和晋升，而不是靠意图声明。
归属感建立在心理安全感之上，举荐胜过单纯的指导，而无障碍就是包容。
诚实地衡量，拒绝象征主义和形式主义指标，真诚地开展这项工作，因为表演性的项目会消耗信任并招致反弹。

参考文献与延伸阅读

Amy C. Edmondson, The Fearless Organization
Iris Bohnet, What Works: Gender Equality by Design
Ruchika Tulshyan, Inclusion on Purpose: An Intersectional Approach to Creating a Culture of Belonging at Work
Mary-Frances Winters, We Can’t Talk about That at Work!
Sylvia Ann Hewlett, Forget a Mentor, Find a Sponsor
Emily Chang, Brotopia: Breaking Up the Boys’ Club of Silicon Valley
Sara Wachter-Boettcher, Technically Wrong: Sexist Apps, Biased Algorithms, and Other Threats of Toxic Tech
Caroline Criado Perez, Invisible Women: Data Bias in a World Designed for Men
Frank Dobbin and Alexandra Kalev, “Why Diversity Programs Fail” (Harvard Business Review)
Web Content Accessibility Guidelines (WCAG) 2.2, W3C Recommendation