女性在许多科学、技术、工程和数学(STEM)专业以及一些非STEM专业(如哲学和刑事司法)的代表性往往不足。这项新研究并没有将专业分为STEM和非STEM，而是超越了STEM/非STEM的二分法，以了解可能吸引或排斥女性的专业的潜在属性，从而了解如何在所有领域实现性别平等。

纽约大学斯坦哈特文化、教育和人类发展学院经济学和教育政策副教授、该研究的资深作者约瑟夫·r·辛皮安(Joseph R. Cimpian)说:“我们的研究考察了跨越学科的哪些共同属性可以预测谁会选择这些专业，所以不是像物理这样的专业是否有不平等的性别分布，而是被认为对数学或科学要求高的学科是否有不平等的性别分布。”

研究结果表明，到目前为止，女性是否选择大学专业的最具预测性的特征是该领域的歧视程度。这一发现在所有研究人员的分析中都是一致的，即使他们在之前的背景、成就和兴趣方面对男性和女性进行了匹配，也不管统计模型中包含了大学专业的哪些其他属性。

为了研究感知到的性别偏见在大学专业中的作用，研究人员采用了一种完全避免依赖于STEM/非STEM二分法的方法。研究人员没有使用大学专业本身或专业群体(即STEM或非STEM)作为研究的兴趣变量，而是根据每个专业在多大程度上被认为表现出六个特定特征:数学取向、科学取向、对女性的性别偏见、帮助取向、金钱取向和创造力取向，对20个受欢迎的大学专业进行了分类。

为了做到这一点，研究人员在东南部一所大型大学招募了330名本科生，以了解学生对不同大学专业的看法，并制定了六种特征的量表。为了评估性别歧视，调查包括了“这个专业的女性经历过基于性别的歧视”和“这个专业更欢迎男性而不是女性”等项目。为了确保研究人员利用歧视，而不仅仅是反映现有的跨专业性别分布不平等，作者还调查了受访者，他们认为在一个领域有多少女性，并在他们的所有模型中考虑到这些反应。

然后，研究人员将调查中指定的特征映射到2002年教育纵向研究中另一组4850名学生的专业上，这是一个具有全国代表性的美国学生纵向样本。研究人员随后用第三个数据来源重复了他们的分析，再次发现性别歧视是该专业是否有更多男性的最重要因素。

辛皮安说:“有些人可能认为，感知到的歧视很重要，这并不奇怪，但令人惊讶的是，它的重要性如此之大，而其他因素的影响却如此之小。”“我们发现的感知歧视的关系使该领域的金钱取向等其他预测因素相形见绌。同样，这些数据也不支持一些人认为的女性有数学恐惧症或科学恐惧症的观点。相反，女性不喜欢受到歧视，这是合情合理的。”

研究人员还发现，一旦考虑到专业的其他属性，女性实际上更有可能从事被认为更以金钱为导向的领域，而不太可能从事以创造力为导向的领域。

辛皮安建议，希望提高女性在大学专业中的参与度的大学管理者应该考察不同专业的环境。“我们的研究结果适用于STEM和非STEM学科。如果大学管理者想增加女性在刑事司法或计算机科学等不同领域的代表性，我们的研究结果表明，最好的起点可能是询问这些领域的人在传递什么信息，说明性别对这些领域的成功有多重要。这些可能不是公开的信息。在某些情况下，它们可能是关于这些专业中谁属于“群体”的微妙暗示，或者它们可能与其他研究表明的天生能力的信息有关。我们需要更好地了解传达歧视性信息的各种方式，并解决这些问题，以改善对不分性别的学生的接触。”