我真跑滴滴，我就是女司机

现实是女司机人数极其少，好多客人都说我是他们见过的第一个女司机，我就没有遇到过女司机的同行。这座八十万人口的城市，女司机可能不到十个，你告诉我你如何选定女司机？

而女乘客的数量是压倒性的多，占比大概是7/3

男乘客大多是三种情况，1.长期在外地偶尔回来，2.喝酒了，3.没车没驾照的学生

这种情况下你告诉我要怎样选定女司机啊？

假如我刚接了一个单子就看到选定女司机得，那么女乘客愿意等我30.40分钟而不投诉吗？

还有一种情况，女乘客选了女司机，我刚好空车平台发给我，可我和女乘客相隔十来公里，那我去接你这十几公里的差价油钱谁负责？乘客吗？不会告诉我，女乘客认为女司机自认倒霉接受吧。是这样哪怕平台分给我，我也保证拒单

我们女司机辛辛苦苦出来跑车是为了挣钱养家，不是为了做慈善，凭什么因为你是女的就给你额外服务，难倒我们就不是女的了？

宠物快车也是同理啊，小型犬猫一只200，中型犬猫一只350，大型犬猫500，损坏、弄脏车内物品原价赔偿，伤害司机赔偿算上误工费，肯定有司机愿意接单的

要额外服务没问题，只要钱给够，一切好商量

我刚查了今年的数据，滴滴说注册女司机只占10%，我想请问你们如何抢到女司机？

————————分割线——————————

我来介绍一下为什么男女乘客比例3/7

女乘客就是有车有驾照她也不开车

我经常听到女乘客炫耀家里几辆车，她就是不开，哪怕车停留久了电池亏电，反正她不开，就喜欢打车。

女性更喜欢像贵族一样，什么都不做，被佣人伺候的舒舒服服，她们吹捧的东西都有一个共同点，和底层劳动人民切割

比方说全网攻击的贤妻良母，因为贤妻良母＝劳动＝底层人＝穷

全网吹捧的江浙沪独生女＝有点钱，父母宠爱，十指不沾阳春水的大小姐

又比方说现在大火的汉服、美甲、旅游。

都是价格有一定门槛，美丽并且没有实用价值。让她们有种自己是十指不沾阳春水的千金大小姐的错觉

这也是为什么相亲都说自己会烘培插花滑雪，没人说自己会做大包子缝纫的原因

同样是给了首付买了车，男人会觉得还车贷压力有点大，我去跑滴滴补贴一下吧

女人会觉得，我是十足的白富美了，我必须活的更优雅更小资

女性通过豆瓣、微博回声室等工具，相对于男性，将自己的声音平均放大了5倍以上，所以形成了女性占据舆论场主导权的局面。

为了说明这个问题，得从豆瓣开始进行说明。

首先，我们可以看看IEEE 2018 Eleventh International Conference里的这篇文章。里面提到了BSI（Binary Separation Index），即二元分离指数，通过使用BSI，简单量化回声室强度。[1]

那么，在此基础上，我们也可以使用这套模型去量化回声室强度。

首先，我们将一个人的意见划分为【-1,1】，举个例子：“思辩和樱小路露娜一样温柔”是意见1，“思辩不是樱小路露娜”的意见是0，“四斋真鹅心，二次元是这样的”的意见是-1。

而BSI的公式，可以简单使用 $\mathrm{f}(\alpha, \beta)= \alpha^* \beta$\mathrm{f}(\alpha, \beta)= \alpha^* \beta 来表示，其中α是个人意见或群体意见均值的绝对值，β是另一端的个人意见或群体意见均值的绝对值。

以黑神话悟空作为例子，现在进行计算，知乎对黑神话悟空的评分是84%，我们就按0.84计算，而豆瓣之前黑神话悟空被一星差评轰炸过，根据一星差评的综合权重，我们可以量化为【-0.95，-0.9】这个区间，即最终的豆瓣和大众平台，在对于黑神话悟空上二元分离指数为【0.756，0.798】。即豆瓣在这件事上，拥有极高的回声室强度。所以后面为了体面，豆瓣必须要对黑神话的大量低星差评进行处理。

但是，豆瓣由于声量过小，所以还无法改变全局，此时我们应将关注的重点放到微博上。

在说明微博的机制前，我们可以看看 PNAS Nexus在2024年5月的这篇文章。

首先，文章通过上层路径检测话语社区，下层路径检测新闻参与社区的模式检测回声室的浓度。

回音室中的用户是拥有共同话语、接触相同新闻来源和接触相同观点的用户。接触相同观点，在 Twitter上，意味着他们会互相转发。

唔姆，如图所示，A图表示平均聚类系数在仅限于FDI-L-MEDIA（包括意大利政党 Fratelli D'Italia 和 Lega）用户的转发网络的最大弱连通分量上测量，并测量所有属于回声室的用户。B)图表示在每个回声室上计算的平均聚类系数。我们从A图可以发现，所有回声室的用户数量虽然只有1.5%左右，但聚类系数相当于整个社区的三倍以上。

聚类系数值高意味着账户之间联系紧密，经常互相转发。因此，我们可以得出结论，他们的代言活动有助于强化他们的观点。通过对近两年后用户在回音室中分享的内容进行人工检查，证实了这一结论。而强化观点，很多时候往往会开始传播虚假信息。

唔姆，如图所示，以上表示整个数据集和每种类型的用户社区中指向标记为“可信”（T）、“不可信”（N）或“未分类”（UNC）的新闻出版商的不同 URL 数量。我们可以发现，虽然整个数据集中不受信任和受信任 URL 之间的比率约为 0.5，但回声室的比率几乎相反：不可信新闻源的频率几乎是可信新闻源的两倍。将传播可视化，下图可以作为不可信信息传播的可视化图：

为了更深入地调查单个社区内部URL的可信度标签的同质性水平，考虑其中可信和不可信的url来源的频率。对于URL NECs的i-社区，如果R是可信度值，此时定义purityR（URL NECi）为来自R域的URL的频率，即

$\text { purity }_R\left(\mathrm{URL} \mathrm{NEC}_i\right)=\frac{\left|U_i^R\right|}{\left|U_i\right|},$\text { purity }_R\left(\mathrm{URL} \mathrm{NEC}_i\right)=\frac{\left|U_i^R\right|}{\left|U_i\right|},

称为回声室的纯度，某种程度说也可以认为是饭圈浓度。

唔姆，如图所示，以上是回声室的纯度对比。不难发现，不可信任信息的纯度比可信任信息的纯度要高。因此，回声室的浓度，和传播虚假信息的频率高度相关。^[2]

那么豆瓣作为话语社区存在，此时应需要微博作为新闻传播社区存在。而微博的内外赞机制，即作为放大回声室声音的机制存在。

首先先明白一个概念，什么是微博外赞，什么是微博内赞？

如图所示，微博的大拇指为外赞，微博的爱心为内赞。

这个公式里，很明显的是，从各项参数上看，很明显，伪造总赞数量最容易。因为外赞每条微博只能点一个，内赞可以点十几个，但正常人一般只会点3~5条评论的赞。无论是伪造有影响力的用户，还是伪造评论数量，难度均高于伪造总赞数。举个例子，伪造1000条评论需要1000个账号，但伪造1000个总赞可能只需要100，甚至更少的账号数量。

所以，在此基础上，能初步得出“内外赞理论”：

一般情况下，正常微博的内外赞比例是在5以内，一旦超过5，这条微博就有社交机器人刷赞刷流量（包含主动和被动两种形式）。一旦超过20，即属于大水漫灌的情况。此时也是假新闻最喜欢的情况。甚至可以粗略认定，内外赞比例超过20的情况，不是已经属于假新闻，就是正在制造假新闻。

作为参考，我们可以对比货拉拉案里，双方发声微博的内外赞比例：

可以看到，和我开始的结论，“女性通过微博回声室等工具，相对于男性将声音平均放大了5倍以上”相符合。

那么，在经过普遍的训练和回声室过滤气泡的作用下，自然会进一步助长女性发声的意愿。举个简单的例子：

哪怕在男性向游戏制作组里，也照样有女性哪怕冒着被开除的风险，也“勇于发声”。当然，galgame这里也有不少女性玩家的小组，这也是女性敢于发声和渗透的一个表现。说到底，男性喜欢玩单机、手游等游戏，而女性也喜欢玩游戏，只不过她们喜欢玩的是“社区游戏”。

参考

1. ^A. Chkhartishvili and I. Kozitsin, "Binary Separation Index for Echo Chamber Effect Measuring," 2018 Eleventh International Conference "Management of large-scale system development" (MLSD, Moscow, Russia, 2018, pp. 1-4, doi: 10.1109/MLSD.2018.8551823.
2. ^Manuel Pratelli, Fabio Saracco, Marinella Petrocchi, Entropy-based detection of Twitter echo chambers, PNAS Nexus, Volume 3, Issue 5, May 2024, pgae177, https://doi.org/10.1093/pnasnexus/pgae177

给大家看一下集大成者，我现在相信这不是有两个手机的人瞎编出来的了。

感谢邀请，简单讲两句：

一、单纯只讲需求，希望接待司机是女性是有一定合理性的。

两个层面：

首先从网约车犯罪数据看，有大约16.67％的犯罪是强奸和强制猥亵犯罪——除开极少数与男性同谋的情况，如果接待司机是一位女性，这两类犯罪的风险基本可以避免[1]。

其次从两性犯罪比例的公开数据看，男女两性犯罪比例大约是8.5比1；如果只看人身暴力犯罪，那可以达到13.5比1的程度。

当然这个数据本身没有充分考虑文化观念、社会压力以及司法机关定罪差异的因素，同时也没有针对职业进行分类，但即使叠加以上因素，也很难完全接受近十倍的差距。

换言之，只从结果上看，女性司机是更安全的。

二、但是比较麻烦的是，可选女性司机本身存在着一些安全隐患。

由于大多数网友都是普通人，天然地更容易关注乘客，也更容易代入乘客视角。

但需要注意：在载客承运的关系中，不能片面地只将司机看作潜在侵害者，司机本身也是需要保护的对象。

“的哥被抢”的新闻并不鲜见，譬如：

考虑到女性的体格和自卫能力一般较男性稍弱，如果允许选择司机性别，难以避免地会出现以女性司机为目标的预谋犯罪。

司机也是人，他们的安全也应当被充分考虑。

如果向所有乘客开放选定女司机的服务，则无法避免会被人利用，额外的增加了女性司机的职业风险。

但如果只允许女乘客选择女司机，由于女性司机在整体司机中的比例较低，为了完成系统匹配，女性司机的客单出现女性乘客的比例会激增——这相当于暴露了乘客的性别信息。现有的app实名验证，也无法绝对的排除利用女性司机注册号实施预谋犯罪的行为。

这是司乘保护的两难。

最后，还是要强调：

我个人并不赞同对相关需求的冷嘲热讽。安全需求客观存在，而现有数据也的确显示女性司机在安全性方面有一定优势。

但是性别的双盲随机其实是对乘客和司机的双向保护，允许特选女性司机技术和现实中，都有一些难以避免的风险。

同时，回到更一般的两性平权角度，对服务提供者的性别筛选，会加剧性别不公——如果拒绝女性律师、要求指定男性律师来为你服务是性别歧视，那为什么拒绝男性司机、要求指定一位女性司机不是呢？

由于性别平等推动不力，很多场合下女性常常是这种职业歧视的受害者，但是今天类似的情况反向发生在了网约车领域，我赞同大家对安全的追求，但是我也希望大家能以同样的标准严肃地看待女性司机问题。

以上。

参考

1. ^司法大数据专题报告之网络约车与传统出租车服务过程中犯罪情况