值都在1%以内］和34%
卡路里消耗。[22]有趣是，Fitbit显然没有考虑到女性在推婴儿车这项极其常见活动中产生移动（没错，男人当然也推婴儿车，但没有女人推得那
频繁，因为女性承担
全球75%无偿看护工作）。另
项研究发现，可穿戴设备大大高估卡路里消耗量。[23]这项研究非同寻常地涵盖近50%女性参与者，遗憾是，他们未能按性别分类数据，因此不可能知道是否存在性别差异。
技术开发人员甚至忘记女性，尽管她们可能是潜在主要客户。在美国65岁以上老人中，女性占59%，其中76%独居，这表明女性对跌倒检测设备等辅助技术潜在需求更大。[24]
们所掌握数据表明，老年女性不仅比男性更容易摔倒，而且摔倒时也更容易伤到自己。[25]对美国急诊部门个月数据分析发现，在22560名因跌倒受伤病人中，71%是女性。女性骨折率是男性2.2倍，女性住院率是男性1.8倍。[26]
然而，尽管可以说女性有更大需求（还有研究表明，女性跌倒原因、方式和地点都与男性不同），性别分析在这项技术发展中却缺失。项统合分析调查53项针对跌倒检测设备研究，发现其中只有半描述参与者性别，更不用说提供按性别分类数据；[27]另项研究指出：“尽管有大量关于老年人跌倒文献，但们对特定性别危险因素知之甚少。”[28]
2016年智能数据工程与自动化学习国际会议记录指出：“老年人不愿使用跌倒检测设备个主要原因是它们尺寸”，并建议使用手机作为解决方案。[29]但这对女性来说并不是个真正解决方案，因为正如其作者自己指出那样，女性往往会把手机放在手提包里，“在这种情况下，跌倒检测算法很可能会失败，因为算法接受训练是通过靠近躯干加速度传感器来检测摔倒”。
单凭承认这点，就足以说明论文作者非同寻常。哈佛大学伯克曼互联网与社会中心研究员惠特尼·埃琳·贝泽尔是“自量化”社区员，该社区承诺“通过数字来实现自认知”。这些数字通常是通过手机上被动跟踪应用程序收集，最典型数据是每天步数。但这承诺能否实现，取决于你口袋大小：“开会时候总有男人站起来，说什你手机直在你身上，”贝泽尔告诉《大西洋月刊》，[30]“所以每次也都会站起来跟他们说：‘嘿，说到这个直在你身上手机——这是手机，而这是裤子。’”
设计被动式追踪应用程序，想当然地认为女装口袋足够容纳手机，这是个长期存在问题，但有个简单解决方案：在女装里加上大小合适口袋（怒气冲冲地在键盘上敲出这段文字，因为手机刚从口袋里掉出来，砸在地
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
