Ett team av USC-forskare som länge har använt virtuella människor för att förstå socialt beteende satte sig för att ta reda på om kvinnor presterade annorlunda än män under en löneförhandling.

Resultaten visar att män och kvinnor är lika dåliga på det. Dessutom, forskningen tyder på att om kvinnor presterar sämre i en verklig miljö för löneförhandlingar, det beror troligen på systemisk, implicita fördomar bland rekryterare.

Studien motarbetar också en del tidigare arbeten som tyder på att kvinnor är sämre än män på att förhandla om sin lön, sa forskarna.

Studien leddes av nyligen publicerad USC datavetenskap Ph.D. examen Emmanuel Johnson, tillsammans med forskarna Gale Lucas och Jonathan Gratch från USC Institute for Creative Technologies och Peter Kim från USC Marshall School of Business. Resultaten presenterades vid 21stACM International Conference on Intelligent Virtual Agents.

För att bättre förstå hindren för skäliga löner i STEM-jobb, forskarna skapade en virtuell agent för att testa förhandlingsfärdigheter. Den virtuella agenten var omedveten om deltagarnas könsidentiteter. Forskarna fann att de flesta studiedeltagare - både män och kvinnor - presterade dåligt i förhandlingar med den virtuella agenten.

Teamet av USC-forskare anställde könsblinda virtuella agenter för att förhandla mot 440 deltagare som erbjöds en tjänst som mjukvaruingenjör. Johnson designade de virtuella agenterna specifikt för att lära ut förhandlingsfärdigheter.

Lucas, vars expertis är inom övertalning och förhandling med virtuella agenter och sociala robotar, talar om fördelarna för virtuella agenter att studera orättvisor:"I slutändan, du vet att den här virtuella agenten inte kommer att döma dig eller tänka mindre om dig eftersom du är en kvinnlig datavetare."

Forskarna kunde anpassa agenten för att undvika problemen med mänskliga fördomar och begränsningarna hos skriptade bots. Innan du förhandlar om kompensationspaket, deltagarna var tvungna att specificera vad de skulle acceptera som minimilön. De var också tvungna att förklara vad de värdesatte mest:lön, aktieoptioner eller bonusar.

En anpassning i studien involverade språk om positionen som inkorporerade "stereotypa hot" relaterade till upplevda könsfördomar i den dominerande kulturen i en arbetsmiljö. Sådana fördomar skulle kunna påverka förhandlingsbeteenden om kandidaterna trodde att miljön och jobbet var "riggat för män, " förklarade Gratch.

Nyckelresultat från löneförhandlingsstudie

"Denna studie belyser potentialen för att använda virtuella agenter för att studera sociala frågor relaterade till hur och varför olika grupper fattar beslut och effekterna av dessa beslut, " sa Johnson.

Forskarna fann att 43% av deltagarna inte förhandlade alls. Ytterligare, arbetssökande lämnade 20 % av värdet på bordet, vilket innebär att de inte uppskattade det fulla värdet av kompensationspaketet.

"Människor är inte bra på att förhandla i allmänhet. Det finns ett behov av den här typen av utbildning i STEM speciellt. De 20 % på bordet - det är sant över könen; det är ingen skillnad, sa Lucas.

Viktigast, det fanns inga signifikanta skillnader i kvinnors och mäns förhandlingsbeteenden (endast två deltagare identifierade sig inte med något av könet).

"Till exempel, kvinnor har visat sig prestera lika bra som män när de förhandlar för andras räkning. Det är bara när de förhandlar för sig själva som kvinnor presterar sämre än män, sa Kim, en USC Marshall professor i ledning och organisation. "Detta tyder på att sådana skillnader kan bero på rädslan för socialt stigma mot kvinnor som försöker gynna sig själva för mycket - ett stigma som kvinnor vanligtvis har svårt att navigera runt på egen hand."

De individer som förhandlade mot den virtuella agenten kunde säkra i genomsnitt $13, 000 mer än de som inte förhandlade. En skillnad i just denna studie är att kvinnor tenderade att värdera aktier mindre än män.

"När vi frågade kvinnor deras resultat som gick in i förhandlingen, de var villiga att nöja sig med mindre om de trodde att miljön är fientlig mot en kvinna, tyder på att de förväntade sig orättvis behandling, ", sa Gratch. "Ändå påverkade inte denna förväntning deras slutliga resultat när intervjuaren ignorerade deras kön, som vår AI var programmerad att göra. Detta stämmer överens med berättelsen om att problemet ligger hos männen som intervjuar kvinnorna, inte kvinnorna själva."

Han tillade att denna forskning har många potentiella tillämpningar:"Här fokuserar vi på lön, men du måste förhandla om din roll i organisationen, du måste förhandla om ledarskap i ett lag och du måste förhandla om din befordran."