Die Realität und die evolutionäre Bedeutung der menschlichen psychologischen Geschlechtsunterschiede

Eine interessante Studie stellt Geschlechterunterschiede in der Persönlichkeit darf und untersucht ihre evolutionäre Bedeutung:

The aims of this article are:

(i) to provide a quantitative overview of sex differences in human psychological attributes; and
(ii) to consider evidence for their possible evolutionary origins.

Sex differences were identified from a systematic literature search of meta-analyses and large-sample studies. These were organized in terms of evolutionary significance as follows:

(i) characteristics arising from inter-male competition (within-sex aggression; impulsiveness and sensation-seeking;
fearfulness; visuospatial and object-location memory; object-centred orientations);

(ii) those concerning social relations
that are likely to have arisen from women’s adaptations for small-group interactions and men’s for larger co-operative groups (person-centred orientation and social skills; language; depression and anxiety);

(iii) those arising from female choice (sexuality; mate choice; sexual conflict).

There were sex differences in all categories, whose magnitudes ranged
from (i) small (object location memory; negative emotions), to (ii) medium (mental rotation; anxiety disorders; impulsivity; sex drive; interest in casual sex), to (iii) large (social interests and abilities; sociosexuality); and (iv) very large (escalated aggression; systemizing; sexual violence).

Evolutionary explanations were evaluated according to whether:

(i) similar differences occur in other mammals;

(ii) there is cross-cultural consistency;

(iii) the origin was early in life or at puberty;
(iv) there was evidence for hormonal influences; and

(v), where possible, whether there was evidence for evolutionarily derived design features.

The evidence was positive for most features in most categories, suggesting evolutionary origins for a broad range of sex differences. Attributes for which there was no sex difference are also noted. Within-sex variations are discussed as limitations to the emphasis on sex differences.

Quelle: The reality and evolutionary significance of human psychological sex differences

Also für das Thema dieses Blogs eine hoch interessante Studie.

Zuerst zu den Geschlechterunterschieden:

Ich greife mal ein paar Unterschiede heraus:

Bei Aggression finden sich sehr große Unterschiede.

Bei Risiko etc ist es auch interessant:

Harm avoidance –0.33 1
Sensation-seeking 0.39 2
Risk-taking 0.49 2

Also Frauen versuchen eher Schäden zu vermeiden und Männer waren eher bereit Risiken einzugehen, Männer suchten auch eher den „Thrill“

Bei Fearfullness finden sich auch sehr große Unterschiede:
Fear questionnaires –0.41 2
Fear in real-world situations –1.16 4
Pain threshold 0.51 2
Pain tolerance 1.17 4

Der „Angstfragebogen“ zeigt, dass Frauen mehr Ängste haben. Sie haben auch mehr Angst in Situationen in der realen Welt, und zwar deutlich mehr. Männer haben eine höhere Schmerzgrenze  und eine größere Toleranz bei Schmerzen.

Räumliche Fähigkeiten

Mental rotation 0.66 3
Visuospatial ability 0.48 2
Spatial visualization 0.23 1
Line angle judgment 0.49 2
Object location memory –0.31 1

Männer schneiden beim räumlichen Denken besser ab, Frauen können sich eher merken, wo sie etwas hingelegt haben.

Die Werte finde ich auch interessant:

Wissenschaft und Objektzentrierte Ausrichtungen

Mechanical reasoning 0.98 3
Science 0.28 1
Systemizing quotient scale 1.21 4
Occupational interests 1.39 4
Engineering interests 1.11 4
Interest in things 0.97 3

Sie waren hier schon wiederholt Gegenstand von Diskussionen, es sind sehr große Unterschiede gerade in Bezug auf den Dinge-Leute-Unterschied.

Soziale Beziehungen:

People-things dimension –0.93 3
Social interests –0.68 3
Emotional intelligence –0.47 2
Face recognition –0.36 2
Decoding non-verbal cues –0.27 1
Peer attachment –0.51 2
Implicit affiliation motivation –0.45 2
Smiling –0.41 2
Seek emotional social support –0.41 2
Disclosure (to same sex) –0.37 2

Hier zeigen sich nicht ganz so Unterschiede, aber gerade in Verbindung mit den obigen großen Unterschieden summiert sich das zu erheblich anderen Interessen.

Es geht weiter in den Sozialen Beziehungen:

Empathy –0.91 3
Empathy quotient –0.87 3
Reading the mind in the eyes –0.18 1
Helping behaviour –0.34 1
Cooperation (overall) –0.05 0
Moral norms vs consequences –0.57 2
Moral self-esteem –0.38 2
Attitudes to cheating 0.35 1
Moral orientation (care) –0.28 1
Moral sensitivity –0.24 1
Justice-based moral reasoning –0.21 1
Leadership (task) 0.41 2
Leadership (social) –0.18 1
Democratic leadership style –0.22 1

Also Frauen schneiden im Bereich Empathy wesentlich besser ab, Männer bei einer auf einen Auftrag bezogenen Anführerstellung und Frauen dafür bei einer sozialen Anführerstellung. Frauen neigen eher dazu die anderen mitentscheiden zu lassen, Männer eher dazu zu entscheiden.

Die sprachlichen Fähigkeiten sind auch interessant:

Overall verbal abilities –0.27 1 NA
Language ability –0.37 2 –
Speech production –0.33 1 –0.46, –0.20
Talkativeness 0.14 1 0.08, 0.19
Affiliative speech –0.12 1 –0.18, –0.06
Tentative speech –0.23 1 –0.32, –0.13
Interrupting 0.15 1 0.07, 0.23
Vocabulary –0.10 0 –0.11, –0.09
Verbal reasoning –0.15 1 –0.16, –0.14
Reading –0.36 2 –0.48, –0.24
Writing –0.57 2 –0.72, –0.42
Spelling–0.50 2 –0.51, –0.49

Frauen schreiben besser, lesen besser, sind besser in Rechtschreibung und in Fremdsprachen. Allerdings kleinere bis mittlere Unterschiede.

Im Bereich der Sexualität zeigen sich auch deutliche Unterschiede:
Sociosexuality 0.74 3
Pornography use 0.63 2
Sex drive/arousal 0.62 2
Masturbation 0.53 2
Casual sex 0.49 2
Preferred number of partners 0.46 2
Perceptions of sexual interest 0.30 1 (Mean of three values for flirtatiousness, seductiveness and promiscuousness)
Mate poaching 0.41 (Mean of values for short- and long-term mate poachin)

„Mate Poaching“ wäre das Ausspannen von Partnern.

Es ist wenig verwunderlich, dass die Werte hier für Männer deutlich höher ausschlagen, wobei ich sie eher für höher gehalten hätte. Andererseits rückt das die höheren Bereiche an anderer Stelle auch in ein deutlicheres Licht. Wenn „Pornos“ eine 0,63 sind, dann wird deutlich wie groß der Unterschied etwa beim Interesse für Dinge ist

Partnerwahl:

Age difference –2.00 4
Financial prospects –0.76 3
Good looks 0.55 2
Ambition/industriousness –0.50 2
Social status/dominance –0.34 1

Bei „Age difference“ wäre es interessant, wie das ausgewertet wurde. Es würde zu meiner Vorstellung passen, wenn die Frage auf einen älteren Partner gerichtet war. Ein jüngerer Partner wäre aber natürlich genauso ein Altersunterschied und viele Männer wären da sicherlich nicht abgeneigt.

Frauen wollen auch eher einen Mann, der gute finanzielle Aussichten hat, Männer eine gutaussehende Frau. Frauen wollen einen Mann mit Ambitionen und einem hohen sozialen Status.

Sexuelle Konflikt:

Rape 2.32 4
Sexual aggression 0.62
Perceptions of sexual harassment –0.30 1
Convictions in rape/child abuse cases –0.32 1
Verbal partner aggression –0.25 1 NA
Physical partner aggression (any) –0.02 0

 

Bei Vergewaltigung also weitaus eher Männer,  bei allgemeiner Aggressivität des Partner fast Gleichheit. Männer sind eher sexuell aggressiv, Frauen sind eher verbal gegenüber dem Partner aggressiv.

 

Es geht dort weiter:

Physical partner aggression (severe) 0.42d 2 0.32, 0.52
Partner homicide 1.06 4 NA
Sexual jealousy overall –0.20 1 –0.36, –0.04
Sexual vs emotional jealousy 0.87 3 0.83, 0.91

Also nach den dort ausgewerteten Studien mehr schwere Partnergewalt von Männern, mehr Tötungen von Partnern, Frauen sind im sexuellen Bereich eifersüchtiger.

Bezüglich der evolutionären Erklärungen sind die Ausführungen sehr interessant. Ich muss sie mir noch einmal für eine andere ausführlichere Besprechung vormerken.

Diese Tabelle gibt aber schon einen guten Überblick:

Adaptive Erklärungen

1 = direct inter-male competition;
2 = greater parental investment of females;
3 = greater importance of social relations for women than men, probably as adaptations for small close-knit groups versus larger cooperative groups, respectively; 4 = female choice;
5 = sexual conflict;
6 = hunting by men;
7 = plant gathering by women;
8 = extensions of inter-male competition in specifically human environments (Baron-Cohen, 2003), such as tool-use, hunting and tracking, trading, and achieving status; 9 = menopause and prolonged parental care.
Parentheses indicate that for reasons discussed in the text this explanation is regarded as unlikely.

Evidence: other mammals i.e. comparable sex difference in other mammals (
1 = mammals;
2 = non-human primates;
3 = chimpanzees);

cross-cultural i.e. cross-cultural consistency (
1 = evidence from at least one non-western sample;
2 = evidence from over 30 diverse nations;
3 = evidence from surviving hunter–gatherers;

develop-origin

– evidence of an early (= 1)

or pubertal (= 2)

hormones

– evidence for organizational (= 1) or
activational hormonal effects (= 2);

mechanism

– evidence for adaptive flexibility in mechanism underlying one or more of these features (= 1 if present). O indicates no evidence on a specific topic;

NA is not applicable, M indicates mixed evidence; C indicates contrary evidence.

Wie man sieht lassen sich viele Bereiche durchaus ganz gut zuordnen.

vgl auch:

 

Selbstlosigkeit bei Kleinkindern

Der Spiegel berichtet zu einer Studie zur Selbstlosigkeit und Hilfsbereitschaft bei Kleinkindern (1,5 Jahre alt)

Ich hatte hier schon einige Artikel zu den evolutionären Ursprüngen von Kooperation und da auch von Altruistischen und Kooperativen Verhalten. Der wichtigste Grundsatz ist dort wohl die „Do ut des“ Strategie, also die Strategie, dass man selbst gibt, damit einem auch der andere einem etwas gibt bzw die „Tit for tat“ Strategie: Solange du dich kooperativ verhältst verhalte ich mich auch kooperativ.

Ich verweise etwa auf diesen Artikel:

Jetzt könnte man anführen, dass Kinder nicht viel zu geben haben und lieber nehmen sollten, da sie es ja besonders brauchen. Aber gerade da Kinder besonders abhängig von einer Kooperation sind kann es sich gerade für sie lohnen, dass sie Zeichen für „Selbstlosigkeit“ oder „Altruismus“ oder zumindest gegen reinen Eigennutz senden. Denn der Erwachsene kann es ihnen natürlich erst recht wegnehmen, wenn er will und findet vielleicht eher ein Kind, welches es freiwillig anbietet besonders förderungswürdig.

Allerdings scheinen Kinder auch früh ein Konzept von „Eigentum“ zu entwicklen. Fräulein Schmidt beispielsweise weis schon welches Spielzeug ihr gehört und zuletzt bei einem Spielkontakt war sie gar nicht einverstanden damit, dass ein anderes Kind die Spielzeuge nutzen wollte oder auch nur Aufmerksamkeit von Südländerin bekommt. Es ist eben ihr Spielzeug und ihre Mama.

Es kann sinnvoll sein teilen zu können aber auch sinnvoll sein, dass eigene zu bewahren.

 

„Wenn der andere es nicht haben will, dann scheint es nicht wichtig zu sein“ könnte auch ein interessanter Grundsatz sein.

Einmal noch der Abstract der Studie:

Altruistic behavior entails giving valuable benefits to others while incurring a personal cost. A distinctively human form of altruistic behavior involves handing nutritious food to needy strangers, even when one desires the food. Engaging in altruistic food transfer, instead of keeping the food, is costly, because it reduces the caloric intake of the benefactor vis-à-vis the beneficiary. Human adults engage in this form of altruistic behavior during times of war and famine, when giving food to others threatens one’s own survival. Our closest living primate relatives, chimpanzees (Pan troglodytes) and bonobos (Pan paniscus), exhibit notable constraints on the proclivity to engage in such food transfer (particularly chimpanzees), although they share many social-cognitive commonalities with humans. Here we show that in a nonverbal test, 19-month-old human infants repeatedly and spontaneously transferred high-value, nutritious natural food to a stranger (Experiment 1) and more critically, did so after an experimental manipulation that imposed a feeding delay (Experiment 2), which increased their own motivation to eat the food. Social experience variables moderated the expression of this infant altruistic behavior, suggesting malleability.

Quelle: Altruistic food sharing behavior by human infants after a hunger manipulation

Dass der Konflikt „Nährstoffe für sich vereinnahmen“ und „Signalisieren, dass man teilt, Eigentum respektiert und nicht eigennützig ist“ bei Mangel an Nährstoffen, also Hunger eher zu dessen Gunsten aufgelöst wird, erscheint logisch, wenn man bedenkt, dass man früher eher Nahrungsmangel hatte. Beides kann das Überleben erheblich beeinflussen, Nahrungsmangel ist allerdings dann die größere Gefahr.

Faulheit, Behäbigkeit und Bequemlichkeit als menschliche Eigenschaften

Bevor es mit den Neujahrsvorsätzen beginn t, lohnt es sich noch einmal einen Artikel zu den gern als schlechte Seiten bezeichneten Eigenschaften des Menschen zu machen. Hier soll es insbesondere um Faulheit, Bequemlichkeit und Behäbigkeit gehen.

 

Evolutionärer sind sie gut verständlich. Wenn man etwas nicht tun muss, dann spart das erst einmal Energie. genauso wenn man sich in den Zuständen einrichtet und wenn man den für einen selbst bequemen Weg geht.

Diese Eigenschaften bestehen natürlich nicht absolut. In gegenübersteht der Wunsch einen hohen Status zu erlangen, erfolgreich zu sein oder auch anderweitig eine hohe Position zu erreichen.

und natürlich stehen diese Eigenschaften auch gerne mit unserer Intelligenz in Konflikt, und zwar in der Hinsicht, dass wir sie überwinden müssen um einen besonderen Erfolg zu erzielen, also um etwa ein langfristiges Ziel zu erreichen. Hier geht es dann darum den sogenannten inneren schweinehund zu überwinden und sich aufzuraffen für ein abstraktes Ziel, dass man so vielleicht nicht so direkt vor Augen hat wie bei kurzfristigen Zielen.

Umso ungreifbare das Ziel, umso weiter entfernt es ist, umso weniger es bezüglich der Umsetzbarkeit für einen ohne weiteres erreichbar ist und auch umso eher ist nicht einem selbst direkten Vorteil bringt, sondern allenfalls indirekten , umso schwerer ist auch der Kampf gegen den inneren schweinehund. In einer Jäger und Sammler Gesellschaft war eben das Erreichen langfristiger abstrakter Ziele wesentlich weniger bedeutsam, so dass es unsere Denkweise nicht so gut entspricht und es daher Kraft fordert, solche Ziele umzusetzen.

sie eignen sich daher auch meiner Meinung nach ganz gut zum Verständnis der Biologie und ihre wirkungsweise in Abgrenzung zu Intelligenz im allgemeinen. wir sind gerne faul, wir geben gerne anderen getrieben nach, wir lassen uns auch gerne ablenken. Es erfordert häufig ein Gewissen Einsatz, sich dagegen durchzusetzen und nicht bequem zu sein.

Faulheit, Bequemlichkeit und andere Ausprägung dieser negativen Eigenschaften haben uns in unserer evolutionären Vergangenheit viele gute Dienste getan, eben weil Sie unnötige Energieverschwendung verhindert haben. Sie haben uns natürlich auch als Menschheit viel schlechtes getan, weil wir mit dem arbeitseinsatz von Ameisen oder anderen Tieren sicherlich noch weiter gekommen wären.

Evolution kann eben nicht in die Zukunft schauen und ein sesshaftes Leben führen wie erst seit relativ kurzer Zeit.

Geschlechterunterschiede im Gehirn und deren Erkennung

Ich hatte schon Artikel, die sich mit der auch sehr frühen Erkennung von Geschlechterunterschieden direkt am Gehirn, etwa durchs Scans, beschäftigen:

Hier einige weitere interessante Studien in die gleiche Richtung:

1. Brain Differences Between Men and Women: Evidence From Deep Learning

Do men and women have different brains? Previous neuroimage studies sought to answer this question based on morphological difference between specific brain regions, reporting unfortunately conflicting results. In the present study, we aim to use a deep learning technique to address this challenge based on a large open-access, diffusion MRI database recorded from 1,065 young healthy subjects, including 490 men and 575 women healthy subjects. Different from commonly used 2D Convolutional Neural Network (CNN), we proposed a 3D CNN method with a newly designed structure including three hidden layers in cascade with a linear layer and a terminal Softmax layer. The proposed 3D CNN was applied to the maps of factional anisotropy (FA) in the whole-brain as well as specific brain regions. The entropy measure was applied to the lowest-level image features extracted from the first hidden layer to examine the difference of brain structure complexity between men and women. The obtained results compared with the results from using the Support Vector Machine (SVM) and Tract-Based Spatial Statistics (TBSS). The proposed 3D CNN yielded a better classification result (93.3%) than the SVM (78.2%) on the whole-brain FA images, indicating gender-related differences likely exist in the whole-brain range. Moreover, high classification accuracies are also shown in several specific brain regions including the left precuneus, the left postcentral gyrus, the left cingulate gyrus, the right orbital gyrus of frontal lobe, and the left occipital thalamus in the gray matter, and middle cerebellum peduncle, genu of corpus callosum, the right anterior corona radiata, the right superior corona radiata and the left anterior limb of internal capsule in the while matter. This study provides a new insight into the structure difference between men and women, which highlights the importance of considering sex as a biological variable in brain research.

2. Gender Identification of Human Cortical 3-D Morphology Using Hierarchical Sparsity

Difference exists widely in cognition, behavior and psychopathology between males and females, while the underlying neurobiology is still unclear. As brain structure is the fundament of its function, getting insight into structural brain may help us to better understand the functional mechanism of gender difference. Previous structural studies of gender difference in Magnetic Resonance Imaging (MRI) usually focused on gray matter (GM) concentration and structural connectivity (SC), leaving cortical morphology not characterized properly. In this study a large dataset is used to explore whether cortical three-dimensional (3-D) morphology can offer enough discriminative morphological features to effectively identify gender. Data of all available healthy controls (N = 1113) from the Human Connectome Project (HCP) were utilized. We suggested a multivariate pattern analysis method called Hierarchical Sparse Representation Classifier (HSRC) and got an accuracy of 96.77% for gender identification. Permutation tests were used to testify the reliability of gender discrimination (p < 0.001). Cortical 3-D morphological features within the frontal lobe were found the most important contributors to gender difference of human brain morphology. Moreover, we investigated gender discriminative ability of cortical 3-D morphology in predefined Anatomical Automatic Labeling (AAL) and Resting-State Networks (RSN) templates, and found the superior frontal gyrus the most discriminative in AAL and the default mode network the most discriminative in RSN. Gender difference of surface-based morphology was also discussed. The frontal lobe, as well as the default mode network, was widely reported of gender difference in previous structural and functional MRI studies, which suggested that morphology indeed affect human brain function. Our study indicates that gender can be identified on individual level by using cortical 3-D morphology and offers a new approach for structural MRI research, as well as highlights the importance of gender balance in brain imaging studies.

3. Beyond a Binary Classification of Sex: An Examination of Brain Sex Differentiation, Psychopathology, and Genotype

Objective
Sex differences in the brain are traditionally treated as binary. We present new evidence that a continuous measure of sex differentiation of the brain can explain sex differences in psychopathology. The degree of sex-differentiated brain features (ie, features that are more common in one sex) may predispose individuals toward sex-biased psychopathology and may also be influenced by the genome. We hypothesized that individuals with a female-biased differentiation score would have greater female-biased psychopathology (internalizing symptoms, such as anxiety and depression), whereas individuals with a male-biased differentiation score would have greater male-biased psychopathology (externalizing symptoms, such as disruptive behaviors).
Method
Using the Philadelphia Neurodevelopmental Cohort database acquired from database of Genotypes and Phenotypes, we calculated the sex differentiation measure, a continuous data-driven calculation of each individual’s degree of sex-differentiating features extracted from multimodal brain imaging data (magnetic resonance imaging [MRI] /diffusion MRI) from the imaged participants (n = 866, 407 female and 459 male).
Results
In male individuals, higher differentiation scores were correlated with higher levels of externalizing symptoms (r = 0.119, p = .016). The differentiation measure reached genome-wide association study significance (p < 5∗10−8) in male individuals with single nucleotide polymorphisms Chromsome5:rs111161632:RASGEF1C and Chromosome19:rs75918199:GEMIN7, and in female individuals with Chromosome2:rs78372132:PARD3B and Chromosome15:rs73442006:HCN4.
Conclusion
The sex differentiation measure provides an initial topography of quantifying male and female brain features. This demonstration that the sex of the human brain can be conceptualized on a continuum has implications for both the presentation of psychopathology and the relation of the brain with genetic variants that may be associated with brain differentiation.

4. Patterns in the human brain mosaic discriminate males from females

In their PNAS article, Joel et al. (1) demonstrate extensive overlap between the distributions of females and males for many brain characteristics, measured across multiple neuroimaging modalities and datasets. They pose two requirements for categorizing brains into distinct male/female classes: (i) gender differences should appear as dimorphic form differences between male and female brains, and (ii) there should be internal consistency in the degree of “maleness–femaleness” of different elements within a single brain. Based on these criteria, the authors convincingly establish that there is little evidence for this strict sexually dimorphic view of human brains, counter to the popular lay conception of a “male” and “female” brain. This finding has broad implications not only for the ontology of gender, but also for the statistical treatment of sex in morphometric analyses.

Critically, however, the conclusion that human brains cannot be categorized into two distinct classes depends largely on the level of analysis. Although the set of properties that distinguish one category from another is rich and flexible, there is rarely a diagnostic form (e.g., what singular physical characteristic reliably distinguishes cats from dogs?) and there is often substantial within-category variability (e.g., breeds of dogs) (2). The failure of the brain to meet these two requirements does not mean that “human brains cannot be categorized into two distinct classes: male brain/female brain.” In fact, an individual’s biological sex can be classified with extremely high accuracy by considering the brain mosaic as a whole.

To demonstrate this, we acquired T1-weighted structural MRI scans for 1,566 individuals, aged 19–35 y (57.7% female), from the freely available Brain Genomics Superstruct Project (3). Cortical thickness and subcortical volume estimates were calculated using the FreeSurfer automatic segmentation algorithm (v5.3; surfer.nmr.mgh.harvard.edu/fswiki). First, 400 subjects were retained as a held-out validation set. Next, penalized logistic regression [elastic net (4, 5)] was used to predict the sex of each individual based on their mosaic, or pattern, of morphometric brain data. Within the training set (n = 1,166), a regression model was built using three repeats of 10-fold cross-validation. The model was then used, without modification, to predict the sex of each individual in the held-out sample. Classification accuracy was extremely high [accuracy: 93%, 95% confidence interval (CI) 89.5–94.9%, P < 10−16] and remained significant if head-size-related measurements were excluded [92% (CI 88.9–94.5%), P < 10−16] or regressed out [70% (CI 65.0–74.2%), P < 10−6]. To borrow the framing of Joel et al. (1), the human brain may be a mosaic, but it is one with predictable patterns.

Despite the absence of dimorphic differences and lack of internal consistency observed by Joel et al. (1), multivariate analyses of whole-brain patterns in brain morphometry can reliably discriminate sex. These two results are not mutually inconsistent. We wholly agree that a strict dichotomy between male/female brains does not exist, but this does not diminish or negate the importance of considering statistical differences between the sexes (e.g., including sex as a covariate in morphometric analyses).

5 Machine learning of brain gray matter differentiates sex in a large forensic sample

Differences between males and females have been extensively documented in biological, psychological, and behavioral domains. Among these, sex differences in the rate and typology of antisocial behavior remains one of the most conspicuous and enduring patterns among humans.

However, the nature and extent of sexual dimorphism in the brain among antisocial populations remains mostly unexplored. Here, we seek to understand sex differences in brain structure between incarcerated males and females in a large sample (n = 1,300) using machine learning. We apply source-based morphometry, a contemporary multivariate approach for quantifying gray matter measured with magnetic resonance imaging, and carry these parcellations forward using machine learning to classify sex. Models using components of brain gray matter volume and concentration were able to differentiate between males and females with greater than 93% generalizable accuracy. Highly differentiated components include orbitofrontal and frontopolar regions, proportionally larger in females, and anterior medial temporal regions proportionally larger in males. We also provide a complimentary analysis of a nonforensic healthy control sample and replicate our 93% sex discrimination. These findings demonstrate that the brains of males and females are highly distinguishable. Understanding sex differences in the brain has implications for elucidating variability in the incidence and progression of disease, psychopathology, and differences in psychological traits and behavior. The reliability of these differences confirms the importance of sex as a moderator of individual differences in brain structure and suggests future research should consider sex specific models.

6. Neuroanatomical morphometric characterization of sex differences in youth using statistical learning.

Exploring neuroanatomical sex differences using a multivariate statistical learning approach can yield insights that cannot be derived with univariate analysis. While gross differences in total brain volume are well-established, uncovering the more subtle, regional sex-related differences in neuroanatomy requires a multivariate approach that can accurately model spatial complexity as well as the interactions between neuroanatomical features. Here, we developed a multivariate statistical learning model using a support vector machine (SVM) classifier to predict sex from MRI-derived regional neuroanatomical features from a single-site study of 967 healthy youth from the Philadelphia Neurodevelopmental Cohort (PNC). Then, we validated the multivariate model on an independent dataset of 682 healthy youth from the multi-site Pediatric Imaging, Neurocognition and Genetics (PING) cohort study. The trained model exhibited an 83% cross-validated prediction accuracy, and correctly predicted the sex of 77% of the subjects from the independent multi-site dataset. Results showed that cortical thickness of the middle occipital lobes and the angular gyri are major predictors of sex. Results also demonstrated the inferential benefits of going beyond classical regression approaches to capture the interactions among brain features in order to better characterize sex differences in male and female youths. We also identified specific cortical morphological measures and parcellation techniques, such as cortical thickness as derived from the Destrieux atlas, that are better able to discriminate between males and females in comparison to other brain atlases (Desikan-Killiany, Brodmann and subcortical atlases).

Hängt die Anzahl Homosexueller und Bisexueller in einer Gesellschaft von Faktoren wie ökonomische Entwicklung, Gleichberechtigung oder Individualismus in dieser Gesellschaft ab?

Eine interessante Studie hat untersucht, ob der Stand einer Gesellschaft in den Bereichen Gleichberechtigung, ökonomischer Entwicklung oder Individualismus eine Voraussage erlaubt, wie häufig dort von der Norm abweichende sexuelle Orientierungen auftreten:

The prevalence of women’s and men’s heterosexuality, bisexuality, and homosexuality was assessed in 28 nations using data from 191,088 participants from a 2005 BBC Internet survey. Sexual orientation was measured in terms of both self-reported sexual identity and self-reported degree of same-sex attraction. Multilevel modeling analyses revealed that nations’ degrees of gender equality, economic development, and individualism were not significantly associated with men’s or women’s sexual orientation rates across nations. These models controlled for individual-level covariates including age and education level, and nation-level covariates including religion and national sex ratios. Robustness checks included inspecting the confidence intervals for meaningful associations, and further analyses using complete-cases and summary scores of the national indices. These analyses produced the same non-significant results. The relatively stable rates of heterosexuality, bisexuality, and homosexuality observed across nations for both women and men suggest that non-social factors likely may underlie much variation in human sexual orientation. These results do not support frequently offered hypotheses that sexual orientation differences are related to gendered social norms across societies.

Quelle: Prevalence of Sexual Orientation Across 28 Nations and Its Association with Gender Equality, Economic Development, and Individualism

Eine Überprüfung diverser Faktoren wie dem ökonomischen Faktor, den Grad des Individualismus und der Gleichberechtigung hat also nicht dazu geführt, dass sich die Häufigkeit von Bisexualität oder Homosexualität verändert hat. Dabei wäre das nach hängigen soziologischen Modellen ja durchaus zu erwarten: Um so ökonomisch unabhängiger die Leute sind, um so eher ein Individualismus gefördert wird, um so eher dort „Gender Equality“ gefördert wird, um so eher, müsste man eigentlich meinen, könnten sich die Leute auch ausleben und von der Norm lösen.

Aber den Ergebnissen nach ist dies nicht der Fall, auch nicht wenn man weitere Faktoren wie Religösität, Alter etc als weitere Faktoren untersucht.

Aus der Studie:

Across nations, mean rates of male and female heterosexual identity (90.0% and 90.7%) did not differ, independent t(54) = − .72. However, a higher percent of men (4.9%) than women (2.1%) reported a homosexual identity, t(54) = 5.22, p < .001, whereas a lower percent of men (5.1%) than women (7.2%) reported a bisexual identity, t(54) = − 3.25, p = .002.

Heterosexualität

  • Männer:   90%
  • Frauen:  90,7%

Homosexualität:

  • Männer:   4,9%
  • Frauen:  2,1%

Bisexualität:

  • Männer:   5,1%
  • Frauen:  7,2%

Weiter aus der Studie:

There was no consistent evidence, across nations, for sex differences in the variability of sexual orientation prevalence rates. Levene’s test for the equality of variances showed no significant differences in the variance of prevalence rates for men’s and women’s self-reported heterosexual or bisexual identities across nations. However, prevalence rates of men’s homosexual identity were more variable, across nations, than prevalence rates of women’s lesbian identity, p = .009. When sexual orientation was assessed in terms of participants’ same-sex attraction, women were more variable than men, across nations, in their prevalence of being moderately attracted to the same sex, p < .004. However, women and men did not differ significantly in the variability of their prevalence of not being attracted to the same sex and being predominantly attracted to the same sex (all ps > .05).

Finally, the relatively small cross-nation SDs reported in Table 4—particularly for prevalence rates for homosexual identities and predominant same-sex attractions—suggest substantial consistency across nations. Thus, despite the existence of variations across nations, sexual orientation rates were nonetheless relatively stable across nations.

Und:

The central question addressed by the current research was: Are national factors such as gender equality, economic development, and individualism-collectivism related to the national prevalence of various sexual orientations, across 28 nations? Our analyses also tested the frequently offered hypothesis that sexual orientation rates may be associated with gender norms and social roles (Bearman & Bruckner, 2002; Greenberg, 1988; Terry, 1999). The use of a large international dataset allowed us to test whether countries that differed in gender egalitarianism and rigidity of gender roles (as indexed by national indicators of gender equality and gender empowerment) also differed in the prevalence of various sexual orientations. We found no compelling evidence that this was the case.

Was ja eigentlich ein weiterer Sargnagel in den diesbezüglichen feministischen Theorien ist, die von einer kulturellen Prägung der Heterosexualität ausgehen, etwa zur Unterwerfung der Frau etc.

vgl.

Und noch ein paar zur Biologie der Homosexualität:

Hier noch mal kurz etwas zu biologischen Theorien zur Homosexualität:

Etwa 150 Personen in Deutschland sind bisher nach Pass „Divers“

Man hat einmal nachgerechnet, wie viele Leute das „Dritte Geschlecht“, also „Divers“ bisher gewählt haben:

Hamburg – Deutlich weniger Menschen als bisher angenommen definieren sich in Deutschland weder als Mann noch als Frau. Wie die Zeit jetzt berichtete, handelt es sich lediglich um einige hundert Personen hierzulande.

Die Wochenzeitung beruft sich auf eine eigene Umfrage bei den Standesämtern der elf größten deutschen Städte. Diese habe ergeben, dass bislang lediglich 20 Personen bean­tragt haben, ihren Geschlechtseintrag auf „divers“ ändern zu lassen (Stand Mitte April 2019).

Rechne man die Zahlen, die von ähnlichen Umfragen der vergangenen Wochen bestätigt würden, auf ganz Deutschland hoch, seien es rund 150 Fälle, schreibt die Zeit. Eltern me­dizinisch intersexueller Neugeborener, die ihr Kind als „divers“ eintragen ließen, gibt es in den befragten Städten laut Umfrage bislang keine, heißt es weiter.

150 Fälle. Das finde ich erstaunlich wenig, weil ich vermutet hätte, dass einige Linke SJWs das aus Prinzip machen würden, weil es ja immerhin noch mehr Hingabe zur Sache zeigt. Aber die Geschlechteridentitäten sind eben eine sehr harte Sache und der Schritt wird dann anscheinend doch vielen zu weit gegangen sein.

Auch im Rahmen der Studie eines europäischen Forscherkonsortiums (DSD-Life) unter Personen mit einem intersexuellen Syndrom bezeichneten sich von 1.040 Befragten nur zwölf selbst als „intersexuell“, die übergroße Mehrheit kreuzte als Geschlecht „männlich“ oder „weiblich“ an. „Menschen mit einer Besonderheit der Geschlechtsentwicklung ord­nen sich fast immer einem der beiden Geschlechter zu“, sagte Olaf Hiort, Intersexualitäts­experte an der Universitätsklinik Lübeck.

Also wohlgemerkt nicht unter 1040 Befragten, sondern unter 1040 Befragten mit intersexuellen Syndrom.

Auch das ist durchaus zu erwarten, viele intersexuelle Syndrome lassen ja weiterhin eine eindeutige Geschlechtszuordnung zu, etwa „Mann mit einen niedrigeren Testosteronspiegel“ etc.

Es zeigt mal wieder, dass es weit eher eine Symbolpolitik ist als die wirkliche Lösung dringender Probleme.