Discrimination at local governments? - Results of an online field experiment
Csomor Gábor – Simonovits Bori – Németh Renáta
2020 elején a magyarországi helyi önkormányzati hivatalok körében kontrollált terepkísérletet végeztünk annak céljából, hogy feltárjuk az online ügyintézés során esetlegesen előforduló hivatali diszkrimináció nyílt és burkolt formáit. Összesen 1270 e-mailben egy hétköznapi ügyintézéssel kapcsolatban fogalmaztunk meg egyszerű kérdéseket magas és alacsony státuszú roma és nem roma ügyfelek „bőrébe bújva”. A nemzetközi eredményekkel összhangban a válaszok arányában nem, de a válaszok tartalmi jellemzőiben jelentősebb eltéréseket találtunk az elsődleges kísérleti változó, az etnicitás mentén. A másodlagos kísérleti változóként bevezetett társadalmi státusz mutató hatása ugyanakkor mind a válaszok arányában, mind a többi tartalmi indikátor mentén statisztikailag igazolódott. A válasz-e-mailek gépi tanulásra épülő elemzése is alátámasztotta, hogy a közhivatalnokok különbséget tesznek ügyfeleik vélt státusza szerint, míg a vélt etnicitás vonatkozásában jóval kisebb fokú ez a különbségtétel. Összehasonlítva az etnicitás és a státusz hatását, fontos hangsúlyozni, hogy az etnicitás mentén a válaszok nyelvi megformálását tekintve csak árnyalatnyi különbség látszott; ugyanakkor a státusz szerinti különbségtétel a figyelmen kívül hagyásban is érvényesült, és nyelvileg is explicitebb módon jelent meg, ezért ennek hatása világosan detektálható volt a gépi szövegelemzés segítségével is. Részben összhangban Bartoš és szerzőtársai (2016) által a munkaerőpiacon megjelenő figyelemdiszkriminációként leírt jelenséggel, az önkormányzati ügyintézés során is azonosítottuk tehát az alacsony státuszú kísérleti személyek kérdéseinek gyengébb minőségű megválaszolását.
In the beginning of 2020, we conducted a controlled field experiment with the goal of evaluating whether local governments in Hungary practice overt or latent forms of discrimination while dealing with citizens online. We sent out a total of 1270 emails posing either as high or low status Roma citizens with practical questions. Whereas those in the experimental group received emails from citizens with Roma sounding names, those in the control group received emails from citizens with non-Roma sounding names. In harmony with the findings of studies done in other countries, there was no significant difference in the number of answers the two groups received. However, with regards to the style and content of the answers, we found a number of significant differences affected by the primary experimental variable, i.e. ethnicity. Unexpectedly, social status—our secondary experimental variable—turned out to be statistically affecting both the number of received answers, as well as the style and content of the answers. This result was also confirmed by machine learning text analysis. Therefore, we have found that local government employees discriminate mostly between citizens based on their perceived social status; and that they discriminate only slightly between citizens based on their assumed ethnicity. When comparing the effect of ethnicity and social status, it is important to emphasize that ethnicity only had a slight effect on the linguistic style of the answers as detectable by human coding; social status, on the other hand, affected both whether a citizen’s email was answered at all, as well as the linguistic style of the answers as detectable by machine learning text analysis. Our results are in line with the model of attention discrimination developed by Bartoš and his colleagues in 2016.
