BACKGROUND In recognition of the empowering potential of digital technologies, gender equality in internet access and digital skills is an important target in the United Nations (UN) Sustainable Development Goals (SDGs). Gender-disaggregated data on internet use are limited, particularly in less developed countries. OBJECTIVE We leverage anonymous, aggregate data on the online populations of Google and Facebook users available from their advertising platforms to fill existing data gaps and measure global digital gender inequality. METHODS We generate indicators of country-level gender gaps on Google and Facebook. Using these online indicators independently and in combination with offline development indicators, we build regression models to predict gender gaps in internet use and digital skills computed using available survey data from the International Telecommunications Union (ITU). RESULTS We find that women are significantly underrepresented in the online populations of Google and Facebook in South Asia and sub-Saharan Africa. These platform-specific gender gaps are a strong predictor that women lack internet access and basic digital skills in these populations. Comparing platforms, we find Facebook gender gap indicators perform better than Google indicators at predicting ITU internet use and low1 Department of Sociology, Leverhulme Centre for Demographic Science and Nuffield College, University of Oxford, UK. Address correspondence to: ridhi.kashyap@nuffield.ox.ac.uk. 2 Qatar Computing Research Institute, Hamad Bin Khalifa University, Qatar. 3 University of Southampton, UK. Kashyap et al.: Monitoring global digital gender inequality using online populations of Facebook and Google 780 https://www.demographic-research.org level digital-skill gender gaps. Models using these online indicators outperform those using only offline development indicators. The best performing models, however, are those that combine Facebook and Google online indicators with a country’s development indicators such as the Human Development Index. CONTRIBUTION Our work highlights how appropriate regression models built on novel, digital data from online populations can be used to complement traditional data sources to monitor global development indicators linked to digital gender inequality.

中文翻译：

---

使用Facebook和Google的在线人群监测全球数字性别不平等

背景技术认识到数字技术的赋能潜力，互联网访问和数字技能中的性别平等是联合国（UN）可持续发展目标（SDG）的重要目标。按性别分类的互联网使用数据有限，特别是在欠发达国家。目标我们利用可从其广告平台获得的有关Google和Facebook用户在线人群的匿名汇总数据来填补现有数据空白并衡量全球数字性别不平等。方法我们在Google和Facebook上生成国家/地区性别差距的指标。独立使用这些在线指标，并结合使用离线开发指标，我们建立了回归模型，以预测互联网使用和数字技能方面的性别差距，这些差距是使用国际电信联盟（ITU）提供的调查数据计算得出的。结果我们发现，在南亚和撒哈拉以南非洲地区的Google和Facebook在线人口中，女性的比例明显偏低。这些特定于平台的性别差距是一个强有力的预测，表明这些人群中妇女缺乏互联网访问和基本的数字技能。比较平台，我们发现在预测国际电联互联网使用率方面，Facebook性别差距指标的表现要好于Google指标，1在英国牛津大学勒沃胡姆人口科学中心和纳菲尔德学院社会学系。地址对应于：ridhi.kashyap@nuffield.ox.ac.uk。2卡塔尔哈马德·本·哈利法大学卡塔尔计算研究所。3英国南安普敦大学。Kashyap等人：使用Facebook和Google的在线人群监测全球数字性别不平等780 https://www.demographic-research.org级别的数字技能性别差距。使用这些在线指标的模型优于仅使用离线开发指标的模型。但是，效果最好的模型是将Facebook和Google在线指标与一个国家的发展指标（例如人类发展指数）结合在一起的模型。贡献我们的工作强调了如何利用基于在线人群的新颖数字数据构建的适当回归模型来补充传统数据源，以监测与数字性别不平等相关的全球发展指标。使用Facebook和Google的在线人群监测全球数字性别不平等780 https://www.demographic-research.org级别的数字技能性别差距。使用这些在线指标的模型优于仅使用离线开发指标的模型。但是，效果最好的模型是将Facebook和Google在线指标与一个国家的发展指标（例如人类发展指数）结合在一起的模型。贡献我们的工作强调了如何利用基于在线人群的新颖数字数据构建的适当回归模型来补充传统数据源，以监测与数字性别不平等相关的全球发展指标。使用Facebook和Google的在线人群监测全球数字性别不平等780 https://www.demographic-research.org级别的数字技能性别差距。使用这些在线指标的模型优于仅使用离线开发指标的模型。但是，效果最好的模型是将Facebook和Google在线指标与一个国家的发展指标（例如人类发展指数）结合在一起的模型。贡献我们的工作强调了如何利用基于在线人群的新颖数字数据构建的适当回归模型来补充传统数据源，以监测与数字性别不平等相关的全球发展指标。使用这些在线指标的模型优于仅使用离线开发指标的模型。但是，效果最好的模型是将Facebook和Google在线指标与一个国家的发展指标（例如人类发展指数）结合在一起的模型。贡献我们的工作强调了如何利用基于在线人群的新颖数字数据构建的适当回归模型来补充传统数据源，以监测与数字性别不平等相关的全球发展指标。使用这些在线指标的模型优于仅使用离线开发指标的模型。但是，效果最好的模型是将Facebook和Google在线指标与一个国家的发展指标（例如人类发展指数）结合在一起的模型。贡献我们的工作强调了如何利用基于在线人群的新颖数字数据构建的适当回归模型来补充传统数据源，以监测与数字性别不平等相关的全球发展指标。