跳至主要內容

台灣女性在 ICT 相關產業的情況(更新至 2018 的資料)

Image by StockSnap from Pixabay

去年五月時寫了一篇「願天下的女性都能享受自己選擇的人生」,事隔一年,主計總處、內政部的詳細報表資料已經找不到了,只找到粗略的分級,所以今年也不打算更新太多項目,只大概更新一下資料。關於資料這件事,如果政府繼續排斥將這些資料完整的公開,我覺得整個開放資料或政府公開資訊都只是做做樣子,有交差就算了。

在我開始更新資料前,先讓大家看一下這是讓我今年在主計總處統計專區裡所下載回來的資料,表頭是「臺灣地區15至64歲已婚女性曾因結婚、生育而變更職務之情形」,但只有依學歷來區分,無法看到以年齡來分組的統計資料,但這份資料的主題不就是以年齡來分組嗎?
臺灣地區15至64歲已婚女性曾因結婚、生育而變更職務之情形

後來我找到 2016年的「婦女婚育與就業調查報告」,其實就是去年使用的資料,所以只好再去找尋其他的資料。

數字更新

雖然去年有統計了關於因為結婚、生育而離職的女性,不過今年我把 2008 年到 2017 年的資料找出來,並做了這張長條圖。礙於主計總處並沒有提供更進一部這些失業的女性是否在ICT產業,所以我們大概只能知道這 10 年間,台灣的女性因為結婚、生育而離職的情況有緩減的情況。


另一個是在薪資方面的統計,今年我把所謂的 ICT 產業設定在五個類別:電子零組件製造業、電腦與電子產品及光學製品製造業、電信業、電腦程式設計與諮詢及相關服務業、資訊服務業,如果要細分的話,有很多相關的職稱是在不同產業裡。

薪情平臺下載了相關資料回來製圖,觀察上述的五個產業在 2018 年的男女薪資比較,我使用的是「每人每月經常性薪資」,可以看得出來,男性的薪水依然是高於女性,當然薪資的發給標準還是以工作內容為主,無法從政府的公開資料中了解。
2018年ICT 產業每人每月經常性薪資男女比較(單位:新臺幣元)
最後我找了自 2008 至 2018 年在這五個產業中的薪資比較
2008至2018年每人每月經常性薪資比較
圖片的顯示較差,大家可以自連結裡看到資料表,或至薪情平臺查詢。初步的觀察,在這10年間,變化幅度最大的是資訊服務業,而其他四個產業的薪資漲帳也沒有這麼大。這也許是女性較不願意進入這些領域的原因之一,但主要原因可能還有教育、環境因素所影響。

是否需要專屬女性的討論平台?

這在去年的 TWIGF 年會裡曾經討論過,而我也不經易的看到有些人,不論男女對於「專屬的女性討論平台」頗有微詞,認為這才是歧視女性。

事實上,身處於台灣的女性是件很幸福的事,我們可能比其他南亞國家的女性擁有更多的權力、可以擁有更多身體的自主權、女性社團活躍且數量居多,但女性在網路上的言論、所受到的言語霸凌、同性的霸凌或漠視,可能也不會輸給其他國家。在一些社群裡可以觀察到的「女王蜂情節」還是存在著:蜂巢裡只有一隻首領蜂后,其他都是工蜂,而女王蜂對同性的話語其實較像是具有厭女性結的男性所說的話;各個蜂巢之間其實也是不會交流的。

女性的心思很細膩,細到不是那麼容易分辨真偽,更別說中文字之奧妙,可能也很難分出褒貶之意。

這也是為什麼需要女性專屬平台的原因,主要還是避免女性的發言遭受言語或是行為的霸凌,尤其是在男性居多的科技產業,對女性發言者的攻擊更是不堪入目(耳),而男性們認為自身權益必須與女性分享的被剝奪感,更加強了排擠女性的負面情緒與言語。

這個星期五、六將會是 TWIGF 在今年的年會,7 月 6 日星期六有一場「女性在ICT領域的就業機會和未來」,有興趣者可以一起來討論。

文中統計資料來源:

留言

此網誌的熱門文章

哪個應用、服務、平台可以代表台灣?

大概 2003、 2004 年,我還是個大學生,那個時候「電子商務」是一門選修課,那個時候台灣還在所謂的電子商務泡沫化中復甦,很多熱極一時的「電子商務」就像今天大家看到的 FTX 事件一樣,一點都不真實,很多執行長、總裁瞬間就失業了,也有很多投資人的錢拿不回來。 看過歷史上的鴻源事件、經歷過電子商務的虛無飄渺時期,再看到 FTX,其實也不會太驚訝。通常泡沫消散後,未來才會到來。 回到大學課堂,穿著輕便但言語犀利的老師談到當時的 Amazon 網路書店,他問大家對 Amazon網路書店的看法,那時的Amazon一直被看壞,所有的媒體都不看好它。甚至會有各種市場傳言,覺得 Amazon會被賣給哪家公司或哪家公司、網路書店會主動併購它。 最後老師說,不會,Amazon書店不會那麼輕易就垮掉,它有其代表的意義。 這個答案給了我很深的印象,我常會問自己,台灣有哪個服務會具有這樣的意義? 偶爾我會問身邊的朋友、同事,對於台灣的哪個服務,會覺得有不能輕易垮掉、要支持它的?我列一下自己所接觸過的,這個世代的應用: 通訊服務:ICQ、MSN Messenger、LINE、Cubie Messenger(台灣,已無服務)、Google Talk、WhatsApp、Telegram、Skype、Signal,還有一些台灣可能較少聽到。 社群平台:Twitter、Facebook、LinkedIn、無名小站(已停止服務,它雖然是Blog,但比較像社群)、Plurk、PTT、Dcard、Instagram、AKASHA、Pinterest Blog平台或架站:Blogger、Wordpress、Drupal 共享書籤 : HemiDemi(已沒有提供書籤服務)、美味書籤delicious 叫車服務:UBER、55688 、呼叫小黄、LINE Taxi、yoxi  當然還有很多是我沒接觸過的,請原諒我的見識不夠廣泛,忽略了哪一個平台、應用或服務。一時想到的大概就這些。有一些服務已經消失或在被併購後就消失了,我也忘了名稱,至於 TikTok 和小紅書,是我不想碰觸的應用服務。 在韓國有 Kakao,日本有 LINE、PayPay,東南亞國家有Grab,中國有自己的網路應用,那台灣呢?之前 KaKao 中斷服務,造成民生應用的線上服務也幾乎中斷,過度集中依賴在一個服務上的確是一個缺點。在和...

我在不會寫 code 的情況下做出一個桌面工具

當各種AI工具迅速發展的情況下,大家也開始製作自己常用的工具,更進一步公開分享給大家使用,例如 Jimmy Su 就分享自製的 沉浸式翻譯工具 ,滿足一般人平時上網閱讀外文頁面的需求;進一步像是 Justin Lee  開發的 ccxray ,讓Claude Code的使用者可以監看Claude Code與Anthropic API之間的互動,使 AI Token 的消耗變成視覺化的儀表板。 為什麼做這個工具 AI 幫助許多一般網路使用者做出適合自己使用的工具,我自己也曾 分享自己的經驗 ,現在做出一個應用程式的門檻已經降低許多,AI不會讓程式設計工作消失,反而讓更多人投入這樣的工作,從這個角度看應該是好事。 我自己也用AI打造一些工作上會使用的工具,包括後來做的這個「 AI-Doc-Translator 」,這是獨立自我日常工作使用的工具的其中一個功能,做成一支桌面程式。 由於每天都會接觸到外文論文、期刊,很多PDF檔下載後,只會放在儲存空間裡,或是丟到電子書應用程式裡,但什麼時候再打開?打開還要再閱讀外文的摘要、從頭理解?這些都會消耗掉耐心,於是我讓AI先幫我摘要重點,讓我大致了解檔案內容、記錄後,再做關聯成為自己的知識庫。 這個工具主要的功能是翻譯、摘要,它不是通篇翻譯,也不是改寫作者的內容,只做摘要,長期累積起來的文件會相當可觀,就可以做成知識庫應用。人們通常在下載文件時,自己已經先篩選過資料了,也不是隨便下載,所以使用者自己就是守門員。 為什麼不用 Notebook LM 就好 當然也有很多人習慣把檔案抓下來後丟進各種AI工具,Notebook LM、各種AI Chatbot或是翻譯軟體,但我自己在使用後的心得是,因為資料量太多,Notebook LM的效能會很差,而各種AI Chatbot 在對話結束後,使用者要再找回對話記錄可能還要花時間找尋。那為什麼不平時就開始做知識庫呢?所以在翻譯、摘要的過程中,也是在建立自己的知識庫,存在某個資料夾,可以再利用各種工具來搭建。 我自己是使用 Obsidian 配合 Claudian Plugin 一起使用。在閱讀由LLM產出的摘要時,我一定會遇到無法理解的內容,就可以再使用Claudian進一步「討論」內容,或請它解釋。於是文件就不是只有文件,而是可互動性的內容,也不會只在電腦裡積灰塵。 製作「AI...

不是公司設在哪裡,是公司的服務對象是誰:臺灣中小企業的跨境法遵現實

歐洲資料保護委員會(EDPB)在2026年2月發布的刪除權調查報告,給我一個很難忽視的數字:他們聯合調查了將近8,000家企業,回應率不足一成。 這個數字不只是個資法遵落差的指標,它更像是一個訊號:當監管機關開始大規模橫向調查,沒有回應不代表豁免,代表的是還沒輪到你。 更讓我在意的,是這場調查背後的制度性涵義。EDPB首次明確將備份系統納入刪除義務範圍,這意味著企業不能再把「刪除」當成一個資料庫指令的問題,而必須把它理解成一個系統架構問題。這一步看起來是資料保護法的問題,但它實際上開始觸碰AI系統設計的核心:一個以個人資料訓練的模型,要怎麼「刪除」某一筆資料的影響? 這正是我想在這篇文章討論的事:三個原本分開運作的監管領域——競爭法、資料保護、人工智慧監管——在近年間,已經開始彼此滲透,形成臺灣中小企業難以用過去的法遵邏輯應對的複合壓力。 競爭法:從行為合謀到架構審查 全球反壟斷執法在過去一年發生了一個根本性的轉變,而它的影響遠比多數企業意識到的更廣。 過去的競爭法問題大多有一個清楚的前提:企業之間是否彼此溝通、達成協議。現在這個前提正在鬆動。美國加州的反壟斷法在2026年1月修訂後,正式將「競爭對手共同使用同一定價演算法」納入審查範圍,即使業者之間沒有任何直接溝通,只要共享了同一套系統的輸出結果,就可能被認定為形成協同定價的制度環境。 這個轉變的理論基礎來自稍早的RealPage租金案:多家房東將非公開的即時租金資訊提交給同一平臺,平臺以演算法生成建議租金。法院的判斷是,不需要租東彼此達成共識,這個「共同使用同一個資訊中介」的架構本身,已經可能構成協同定價的條件。 紐約州對Instacart演算法定價機制的調查,和歐盟對Google AI內容抓取的反壟斷調查,都在同一個方向上進一步延伸。歐盟這個案子格外值得注意:Google被指控在未取得授權的情況下,以爬取網路出版商內容的方式訓練AI模型並生成搜尋摘要。這是競爭法第一次正面觸及AI訓練資料取得的合法性問題——從反壟斷法的角度,不是從著作權法。 對臺灣企業的直接影響在這裡:如果你的公司使用第三方定價工具、需求預測平臺或市場分析服務,你需要知道這些服務是否同時服務你的競爭對手,以及這些系統是如何處理競爭敏感資訊的。這不再是IT部門的採購決策,而是一個具有競爭法風險的經營選擇。 歐盟《數位市場法》(DMA)和英國《數位...