Vackra kvinnor fick sämre betyg under pandemin

17 comments
  1. Samtidigt:

    > Forskare trotsar restriktionerna för att se på vackra kvinnliga studenter. ”Jag är en vetenskapsman, jag vet vad jag gör”, säger Leif som egentligen heter något annat men valde att arbeta under falsk identitet sedan MeToo-hösten.

  2. Kallas Halo/Horn-effekten. Vi uppfattar instinktivt personer vi tycker är attraktiva som smartare/mer övertygande och vice versa. Så om folk generellt tycker du är jobbig och korkad behöver det inte nödvändigtvis vara så illa som du tror, du kanske bara är ful som stryk.

  3. Finns internationella studier. “Snyggare”människor har i snitt högre lön och högre befattningar. Har ingen länk. Googla

  4. Är någon förvånad? Nu tycker jag att vi testar liknande saker på folk med mycket pengar, adelsnamn, vit rock eller rätt militärkläder.

  5. Lustigt, för mitt bias brukar istället vara att snygga personer lyckats p.g.a. sitt utseende och inte sin kompetens och då brukar jag vara mer kritisk mot dem. Det är naturligtvis inte heller bra. Fast huruvida en person är kompetent eller inte brukar visa sig så snart de öppnar munnen.

    Jag tror verkligen inte att jag behandlar snygga personer bättre, men det är säkert svårt att själv utvärdera.

  6. Inte mer än rätt att bli bedömd efter kunskap istället för att dom ser bra ut.

    Det är likadant överallt.
    Snygga fruntimmer får allt dom vill ha utan att förtjäna det överhuvudtaget sen får dom andra kvinnorna resten och männen blir utan och får bara skäll och klagomål trots att det är männen som kan och utför det mesta i dagens samhälle

  7. Från en statistisk perspektiv är denna studien väldigt missvisande som jag har diskuterat med en lektor inom matematisk statistik här på LTH där studien görs.

    För det första visar studien att det finns ingen signifikant betydelse på skönhet när alla kurser sammanvägs. Däremot ska det finnas en 0.08 sigma skillnad för ”icke-kvantitiva” kurser som väljs lpå måfå. Detta påminner lite om Bayes sats och paradoxer utifrån betingad sannolikhet. Jag kan nog välja en grupp kurser som följer min hypotes om att blonda är bättre än brunetter också.

    Dessutom funkar inte riktigt p-test och intervallskattningar för flera variabler eftersom en 5% konfidensintervall för en variabel är egentligen 1-0.95*0.95=10% intervall på två intervall vilket är varför vi ofta delar kvantilen med antalet tester. Jag fattar verkligen inte hur detta har missats i granskningen eftersom studien behandlar flera kurser och kön samtidigt vilket skulle ge betydligt större standardavvikelse eller insignifikans.

Leave a Reply