ARTICLE

歧视

定义与概述 歧视(Discrimination)指基于特定群体身份而对个体或群体施以区别对待的行为或制度安排。这种区别对待通常以种族、性别、年龄、宗教、残疾、性取向、民族出身等特征为依据,导致被歧视方在机会、资源、权利或尊严上遭受不公正的剥夺或限制。歧视既可能表现为明示的、有意识的排斥行为,也可能以隐性的、无意识的结构性偏见形式存在。 歧视的类型 直接歧视

浏览 4 更新 2025-11-15

定义与概述

歧视(Discrimination)指基于特定群体身份而对个体或群体施以区别对待的行为或制度安排。这种区别对待通常以种族、性别、年龄、宗教、残疾、性取向、民族出身等特征为依据,导致被歧视方在机会、资源、权利或尊严上遭受不公正的剥夺或限制。歧视既可能表现为明示的、有意识的排斥行为,也可能以隐性的、无意识的结构性偏见形式存在。

歧视的类型

直接歧视

直接歧视又称明确歧视,指在相同或类似情境下,因某人的受保护特征而给予其明显劣于他人的待遇。例如,招聘广告中明确限定"仅限男性"或"不招某省籍贯者",即构成基于性别或地域的直接歧视。此类歧视通常具有明确的歧视意图,容易在法律上被识别和追责。

间接歧视

间接歧视指表面中立的条款、标准或做法,在实施中却对某一受保护群体造成不成比例的不利影响。例如,某公司要求所有员工身高不得低于170厘米,该要求看似中立,但实质上可能排除相当比例的特定性别或族裔群体,且与岗位实际需求无关,即构成间接歧视。间接歧视往往比直接歧视更为隐蔽,更难察觉和举证。

结构性歧视

结构性歧视指嵌入在社会制度、法律框架、政策惯例或文化规范中的系统性歧视模式。它并非由单一行为者的恶意所驱动,而是长期积累的制度性不平等的结果。例如,历史上某些国家的"红线政策"导致特定族裔难以获得住房贷款,进而世代被排斥在优质社区之外,形成持续的贫富差距。结构性歧视的消除往往需要系统性的制度改革和深层次的社会重构。

歧视的社会影响

歧视对被歧视者的影响是全方位的。在个体层面,歧视会损害心理健康,引发焦虑、抑郁和低自尊,降低生活满意度和主观幸福感。在经济层面,就业歧视、薪酬歧视和职业晋升壁垒导致受歧视群体的收入水平和职业发展受到系统性限制,加剧社会贫富分化。在教育层面,基于种族、性别或残疾的教育歧视剥夺了部分群体的公平受教育机会,使其难以通过教育实现社会流动。在社会层面,歧视撕裂社会团结,激化群体间的对立与冲突,破坏社会信任和社会资本的积累。

歧视不仅伤害受害者,也给整个社会带来巨大代价。诺贝尔经济学奖得主加里·贝克尔在其歧视经济学理论中指出,歧视行为会产生"经济租",使歧视者自身也承担效率损失,整体社会福利因此下降。换言之,歧视行为对社会总产出、人力资本配置效率和创新活力均构成负面约束。

反歧视的法律框架

国际法层面

联合国《世界人权宣言》第二条明确规定,人人有权享有宣言所载的一切权利与自由,不分种族、肤色、性别、语言、宗教、政治或其他见解、国籍或社会出身、财产、出生或其他身分等任何区别。其后,《消除一切形式种族歧视国际公约》《消除对妇女一切形式歧视公约》《残疾人权利公约》等国际人权文书进一步细化了反歧视的规范义务,要求缔约国采取立法、行政和司法措施消除歧视。

各国国内法

各国反歧视立法呈现出从形式平等到实质平等的发展趋势。美国1964年《民权法案》第七章禁止基于种族、肤色、宗教、性别或国籍的就业歧视,并设立了平等就业机会委员会(EEOC)负责执法。英国2010年《平等法》将九大受保护特征统一纳入保护范围,确立了直接歧视、间接歧视、骚扰和 victimisation 四种歧视类型。中国《宪法》第三十三条明确规定"中华人民共和国公民在法律面前一律平等",《劳动法》第十二条禁止就业歧视,《就业促进法》专门设"公平就业"一章,系统禁止基于民族、种族、性别、宗教信仰等的歧视行为。

举证责任与救济

在歧视案件中,举证责任的分配是核心难题。由于歧视意图往往被隐藏,多数法域采用"转移举证责任"规则:原告只需提出表面证据证明差别待遇可能与受保护特征相关,举证责任即转移到被告方,由被告证明其行为具有合法正当理由而非歧视。救济方式通常包括损害赔偿(含精神损害)、恢复原状(如恢复职位)、禁令救济以及惩罚性赔偿等。

现代反歧视理论的演进

当代反歧视理论已从单纯反对"差别对待"发展为关注"差别影响"和"包容性平等"。学者们提出"转型平等"(Transformative Equality)概念,认为反歧视不仅要消除表面上的区别对待,更要改变导致不平等的结构性条件,包括调整社会规范、改变制度设计、重新分配资源。多元化管理(Diversity Management)理念也日益受到企业界重视,认为包容多元的工作环境不是负担,而是提升创新力、市场竞争力和组织凝聚力的战略资源。

人工智能和大数据时代的到来带来了新的歧视挑战。算法歧视(Algorithmic Discrimination)成为一个新兴研究领域——机器学习模型如果在有偏数据上训练,可能自动编码并放大历史上的种族、性别偏见,形成"自动化歧视"。如何在技术设计中嵌入公平性约束、建立算法审计机制,成为反歧视理论与实践的前沿议题。

总结

歧视是一种深植于社会结构中的不平等现象,其形态从直接排斥到隐性偏见再到系统性不公,呈现出复杂多元的特征。反歧视是一项长期的社会工程,需要法律制度的完善、社会意识的提升、经济结构的调整和技术工具的审慎运用。在日益多元化的全球社会中,消除歧视不仅是对个体尊严的保障,也是构建公平、包容、可持续社会秩序的必然要求。