跳至主要內容

用機會成本的概念去選擇自己的人生方式

在推特上看到這篇,很感慨。我不知要從哪裡說起。我不評論一個維權份子為什麼如此會對待一個女人,基本上,台灣也有不少同樣的案例,而且這幾年來還不時聽聞。感情的事,不是外人可以指指點點的,但對人施暴,就說不過去。

我記得2016年,我在台北第一次參與 APrIGF 。會議結束後,很興奮的和同事分享 APrIGF 裡對於平權的概念、為女性提升權力的理想。長官直接的問大家一個問題:「為什麼這些會議會主張讓女性投入經濟活動裡?」到現在還是沒有答案。

最近新聞上和偶像藝人離婚的李小姐用十分口語、平易近人的方式讓大家了解一個受高等教育、具有工作能力的知識份子,全心投入生育和家務的「機會成本」是多麼的高昂,但從沒有人去注意過這件事。像是洗衣機、洗碗機、掃地機器人⋯等工具,其實是在讓人可以跳脫「誰」必須從事家務的窠臼裡,而是讓家中的每個人都可以把更多的時間投入在照顧自己或是專注於工作上的產出。在我想反駁男人取笑女人希望找家事服務業者來整理家裡是得了公主病時,男人回了我一句:「在妳家,誰做家事?」我很想說,這種男人都是涎著臉嘲笑別人有公主病的媽寶男。

必須感謝李小姐連日的文章喚醒了很多婦女們爭取自我權益的意識,我希望女性們請繼續努力,有女兒的家長們,請想想,你希望自己的女兒在日後是過著這種生活嗎?你希望自己才華洋溢的女兒能有自己的人生舞台,而不是當別人家的生育工具吧?

忘了是在2009還是2010年,我本想轉去讀諮商,所以先去補習班透過函授方式上課,雖然是函授,但最重點的諮商輔導是要回補習班看錄影的。有次看錄影,裡面的老師提到,她在家裡會有一個固定的時間點,有家事公司的人來幫她整理家務,而她可以利用這個時間專心寫作、編教材。她如果把這份精力用在家務,她也許得花更多的時間完成家務,但就不會有那麼好的教材、那麼生動的教學,這個機會成本有多高?那是10多年前的事,台上的老師,她可以算是這個領域的權威了,她解釋完卻還要道歉。因為她的分享,我覺得女性應該是要能有權力選擇貢獻社會的方式,而不是花時間在家務和生育裡。

我們不要用平權的概念,用「個體經濟學」來看,台灣人最喜歡談 CP 值,最喜歡用成本/效益來評估事情。你有沒有想過,一個可以有經濟活動產出能力的成年人,叫他們去做不拿手的事情,要付出多大的機會成本?例如我不睡覺寫這些廢話,我已經很糟糕的健康只會更惡化,英文的報告也沒有寫完。我更不相信有多少男人會對被剝削的女性感同身受,男性們也只會感到更深的被剝奪感,還會來嗆我沒憑沒據沒考量文化差異。

既然是在談平權,所以不論任何性別,都是可以參與經濟活動,都是有產出,都能創造經濟的一份子,也許用經濟學的角度去看,就不會覺得沒有什麼公平與否、誰被誰剝奪的問題。但如果有男性要抗議中華文化、女權主義者對他們的壓迫,我也是不反對的。大家可以互換角色一下,每個人都很辛苦,如果你可以選擇降低機會成本,那麼也請你讓你的伴侶有權力選擇降低人生的機會成本,他/她也許在其他舞台更好,為什麼要浪費他/她的人生?

我尊重每個人的選擇,有些人能力很好,選擇把家務當作自己的事業經營,用自己的能力和知識去管理一個家,更有聲有色,這是每個人的選擇。

留言

此網誌的熱門文章

為什麼我支持《數位中介服務法》草案

在經歷許多次反抗台灣政府所立的網路相關法案後,我其實沒想過除了《數位通傳法》草案外,我還會再支持另一部法律草案,雖然 《數位通傳法》草案還壓在某處,但如果有人讀過《數位通傳法》的草案,再讀這部《數位中介服務法》草案,就會知道這部草案的重要性,而且也可以顯示台灣網路使用者的成熟度,更重要的,這是我第一次看到引入國際網路治理多方利害關係人機制的法律草案,而且是用在正確的地方。 有興趣想知道我在讀法條時的筆記和當下的感想,可以看我這則  Tweet 。這篇不使用逐條讀法條的方式來寫,因為那會讓人昏昏欲睡,我也不去比對歐盟《數位服務法》,因為我在讀《數位服務法》草案時,該草案特別強調是加強歐盟 E-Commerce Directive  ,而不是取代它,而且更多著重在預防盜版、仿冒,保護消費者的法案。所以當有輿論提到參考自《數位服務法》的《數位中介服務法》草案限縮言論自由時,我其實是一頭問號的,但一直到今天我才有時間讀《數位中介服務法》草案,這篇文章出自於我的個人經驗和閱讀法案的心得,與擔任的職務無關。 如果最近注意一下網路的資訊,有幾件事該注意一下: 有許多人在社群平台,如Facebook或是其他網路看到一些廣告,而這些廣告可能是要你支持台灣農產品、台灣製的產品,結果你收到時,上面還寫著簡體字,通常這是所謂的一頁式廣告詐騙,而行政院的消費者保護會在 2019 年時就有新聞稿在警告「 一頁式廣告詐騙多 小心查證保障多 」,之後像公視或是其他單位都有相關的活動在提醒大家小心這類廣告。但目前這些廣告其實多數不易處理,因為不容易取證、保留證據,等到追查到時已經找不到對方了。 有不少親密照片與影片在情侶分手後,被報復性的上傳到情色網站或透過即時通訊傳到親友的帳號裡,或是被洩露個資,遭到公開的霸凌。 之前有一個專題:「 青春煉獄:網路獵騙性私密影像事件簿 」,光是讀完這個專題報導我就覺得受傷。 有人使用 Deep Fake 把台灣名人的臉部照片合成至色情影片再上傳至色情影片平台,今年 7 月才被判刑。 還有許多創作者藉由網路分享作品時,被人盜用,甚至有國外的使用者修改台灣人的作品去參與比賽還獲獎。 有一次打電話問某個部會,如果消費者在國外電子商務平台買東西,但資料被外洩怎麼辦?雖然政府願意協助,但衡量至國外打官司的時間和成本,就會讓人卻步。 有些行為在現實世界裡有法...

停不下來的更新

一直更新Blog的版型,我必須承認是一件很無聊的事,不過這次除了版型的更動外,連分類和文章內文也做了變動。 先說分類吧!在Blogger叫做Label,不過,Blogger在分類上有一些bugs,只能使用英文,以前這裡的分類大多都是中文分類,結果在link上就是一堆亂七八糟的亂碼,所以我把它改成英文,同時細分一些項目,把出版的文章和一些教學的文章分開來,雖然已經很久沒寫新的,不過既然放上來就做個分類。然而就在新舊label移轉之後,發現中文的label還會存在,而且還會出現莫名奇妙的幽靈數字,Blogger知道這是個bug,不過似乎一直沒有修復的跡象。所以在分類上就出現了如右圖一般的情況,在英文標籤裡會有文章,但是在中文標籤裡是沒有文章出現的,但奇怪的是,有些中文標籤已經不見了,然而在Beauty-Beta這個部落格裡,我也做了分類上的變動,由於以前用英文開頭的Label,所以在label的變動上倒是不用擔心會有這樣的情況。 再來是文章的內容,把以前的文章重新分類,標題前面的一些全形符號或是分類刪掉,除了一些比較特殊的,我會留著,例如壹陸壹,因為在label裡為了統一,我留著原本的E61,但人家的店名是壹陸壹,所以留下文章標題前面的中文分類,另外像是Entertainment項目裡,可能有音樂,可能有電影,就會在前面留下中文分類。 前簡單的CSS和HTML改成現在的XML,這無疑是讓我們再多學些東西,能有時間鑽研當然是好事,可是轉換後,我一直沒有時間去改,當然多半也是因為懶,到現在也是拿別人做好的版型去改配色而已,所以像裡面的設定、安裝的widget和analytics的javascript都要一個一個重新裝,上個星期幾乎每天都弄到天亮才睡,只為了整理這個blog。也因為之前在blog裡放了technorati的分類,所以還要修改以前的文章,把它們加入technorati,還有裡面的語法要更改,所以這個星期甚至下個星期都會一直收到這裡的更新訊息,對於不斷收到訊息干擾的朋友們,在這裡說聲抱歉。 在版面上因為blogger系統在feed接受上的更新,所以還有四個東西沒加進去,分別是最近的文章(Recent Post)、Comments(目前是用別人寫的widget)還有GVO的feed訂閱顯示、Beauty-Beta的訂閱顯示也都還沒放上去。 在Feed訂閱上,以前bl...

AI 提高產出,但誰得到好處?

我收集了 2026 年 3 月至 9 月由 Anthropic 研究團隊公開發表的 5 篇文章,讓 Claude 重新翻譯並編輯,並修改為習慣的閱讀語氣,以利閱讀。 Anthropic 今年 3 月發表的報告顯示,美國整體失業率沒有上升,但 22 到 25 歲的年輕人每月順利進入 AI 高曝露職業的比例比 2022 年低約 14%。這是我讀完今年他們發布的 5 份經濟研究摘要後,最常想起的一句話:「AI 讓產出變多」與「誰能把產出變成自己的收穫」,是兩個得分開回答的問題。 AI 做得到,不代表已經在做 過去大部分研究或媒體在衡量 AI 對工作的影響時,常問「AI 理論上能做哪些任務」。問題在於,AI 做得到,不代表企業或個人真的已經拿來用。 在這次閱讀的文章中,研究團隊提出「觀察曝露度」(Observed Exposure)。這個指標結合 O*NET(美國職業資訊網路,Occupational Information Network)的任務清單、理論可行性評分與 Claude 的實際使用資料,並對「自動化」與「工作用途」給予較高權重。 排名最高的是電腦程式設計師(約 75%)與資料輸入人員(約 67%),客服代表也名列前茅;另有 30% 的勞工觀察到曝露度為零。AI 目前的實際使用與理論能力還有一段距離。 在公布的研究中,高曝露職業的從業者有幾個共同特徵:女性比例高 16 個百分點、平均薪資高 47%、學歷較高、年齡也偏長。受衝擊的是中高薪的知識工作者,和「AI 先淘汰低薪年輕勞工」的直覺相反。 衝擊有多大?研究用差異中差異法比對,發現 ChatGPT 發布前後,高曝露職業的失業率未見系統性上升。唯一較清楚的訊號在 22 到 25 歲:這個年齡進入高曝露職業的新工作起始率,約比 2022 年低 14%。研究團隊也註明,這個結果僅勉強達到統計顯著。 同一套 AI,成果為何不同 在針對使用者研究的報告中,使用 6 個月以上 Claude 的人,其對話成功率為 73.1%,新使用者為 66.7%,相差 6.4 個百分點。控制任務類型後,差距縮到約 3 個百分點;再加上模型、使用情境、國家等變數,差距維持在約 4 個百分點。 Anthropic 曾假設,資深使用者會更傾向於把工作整包交給 AI 自動完成。研究的資料指向相反的方向:資深使用者更常與 Claude 來回...