主题 7.6 — 人力平等、多样性与包容

一句话概括： 建立一支公平反映其所服务人群的数字、数据和技术人力队伍——在这里每个人都能归属、贡献和进步——不是一份可选的价值声明，而是一项法定责任、一项临床安全关切，也是建立对整个人群都公平有效的服务的前提条件。

为什么这在卫生与照护中至关重要#

卫生与照护是由人为人提供的。谁在构建你的数字服务，塑造着那些服务所假设的东西、它们为谁服务，以及它们悄悄排斥了谁。一个在背景、残疾状况、性别、族裔或生活经历上同质化的团队，往往会构建对像他们这样的人有效、对其他所有人无效的产品——而且它会在毫不察觉的情况下这样做，因为那些缺口从内部是不可见的。在一个设计不良的服务可能意味着一次错过的诊断、一次无法访问的预约，或一个无法获得照护的家庭的行业中，这是一个安全和公平问题，不仅仅是对员工公平与否的问题。

利害关系也是法律性和公共性的。NHS 和社会照护机构是受《2010 年平等法案》和公共部门平等责任约束的公共机构，通过 NHS 人力种族平等标准（WRES）和人力残疾平等标准（WDES）被问责。在这些标准下收集的证据是严峻且持续的：来自少数族裔背景的员工和残疾员工，报告的招聘、晋升、欺凌和纪律处分流程体验，比他们的白人和非残疾同事更糟糕。一支不感到归属的人力队伍无法发挥最好的水平，员工体验与患者体验之间有充分记录的联系，意味着员工之间的不公平会变成患者之间的不公平。

本主题讲的是人力队伍——你的同事、招聘对象和领导者——刻意与主题 1.9——数字包容与无障碍性的面向用户的关切区分开来。两者是相连的：一支包容的人力队伍，是你抵御不公平服务的最强防御之一。将本主题与主题 7.0——团队结构、角色与责任、主题 7.3——人力战略，以及主题 7.5——人员与组织发展一起对待。

核心概念#

平等、多样性、包容和归属。 这四个词常常被捆绑在一起，但它们是不同的。平等是公平对待和不存在非法歧视。*多样性（Diversity）是人力队伍中存在的差异范围——可见的和不可见的。包容是那种差异是否真正被欢迎、被听到，并能够塑造决策。归属（Belonging）*是被接受为你自己的那种感受体验。你可以是多样化的，却不是包容的（人在场，却被忽视），也可以听起来包容，却没有归属（人们戴着面具以融入）。要追求这四者都实现。

《2010 年平等法案》、受保护特征，以及公共部门平等责任。 《2010 年平等法案》（Equality Act 2010）是英国综合性的反歧视法律。它保护九项受保护特征：年龄、残疾、变性、婚姻和民事伴侣关系、怀孕和产假、种族、宗教或信仰、性别，以及性取向。公共部门平等责任（PSED，第 149 条）要求公共机构适当地考虑消除歧视、促进机会平等，以及促进良好关系——在就业和服务两方面都是如此。

WRES、WDES 和薪酬差距。 人力种族平等标准（WRES）和人力残疾平等标准（WDES）是强制性的 NHS 机制，要求机构按种族和残疾状况分类，就一套固定的指标进行报告——例如从入围名单中被聘用的相对可能性、进入正式纪律处分流程的情况，以及骚扰体验。性别和种族薪酬差距报告（参见性别薪酬差距（Gender pay gap））揭示了不同群体之间平均收入的差异，这在很大程度上讲的是谁担任高级、薪酬更高的角色，而不是同工不同酬的故事。

交叉性。 交叉性（Intersectionality）是一种认识，即各种特征会组合在一起：一位有色人种残疾女性体验到的不是"种族问题"和"性别问题"和"残疾问题"作为可分离的流，而是一种单一的、复合的体验。单轴监测（种族或性别或残疾）可能隐藏面临最尖锐劣势的那些群体。

无意识偏见及其局限。 隐性刻板印象（Implicit stereotype）是塑造着诸如谁被列入入围名单或被给予拉伸性任务这样决策的自动的、未经审视的联想。意识很重要，但一次性"无意识偏见培训"改变行为的证据是薄弱的——没有结构性变革的意识往往会消退。偏见更适合通过流程设计来消除，而不是通过对个人进行培训来消除。

HR 和 AI 招聘工具中的偏见。 算法偏见（Algorithmic bias）是自动化系统重现并放大其训练数据中不平等现象的倾向。简历筛选、视频面试打分和"文化契合度"算法已被反复证明会使女性、残疾申请者和少数族裔候选人处于不利地位，同时披着客观性的外衣。将一个有偏见的流程自动化，会使其更快、更难被质疑，而不是更公平。

合理调整和残疾的社会模型。 合理调整（合理便利，Reasonable accommodation）是对一份工作、一个工作场所或一个流程的变更，消除了一位残疾人本来会面临的劣势——常常是免费或低成本的。它源自残疾的社会模型（Social model of disability）：人们是被环境中的障碍所致残的，而不仅仅是被他们的病症所致残，因此解决方案通常是移除那个障碍。

心理安全和同盟行动。 心理安全（Psychological safety）——你能够发声而不受羞辱或惩罚的共享信念——是包容变得真实的机制：没有它，差异会保持沉默。同盟行动（Allyship）是主动使用自己的优势来支持来自边缘化群体的同事；做得好，它把负担从已经承担它的人身上移开，做得不好，它就是表演。

最佳实践#

1. 把 EDI 当作一个交付和安全问题，而不是一项人力资源的附带任务。 用你的团队已经使用的语言来框定包容：更好的产品，更少的盲点，更安全的服务。同质化的团队会交付他们看不见的偏见，从校准在浅色皮肤上的脉搏血氧仪，到假设有一个固定地址的表格；多样化、有包容性的团队能够更早地捕捉到这些。把 EDI 当作一项工程和产品关切来拥有——而不是把它委托给一个独立的委员会——正是这一点把意图转变为改变了的实践。

2. 重新设计招聘以消除偏见，而不仅仅是培训招聘人员。 匿名化申请，使用带有预先商定问题和评分的结构化面试，始终有一个多样化的、受过培训的评审小组。撰写描述成果、而不是狭窄血统的职位描述，并砍掉那些筛掉有能力的非传统候选人的"加分项"要求。这些结构性变革比要求人们减少偏见更可靠地减少隐性刻板印象的影响。

3. 在使用之前和使用期间审查任何 AI 或自动化招聘工具。 如果一位供应商提供简历筛选、游戏化评估，或视频面试打分，要求提供针对受保护特征的不利影响验证证据，并让一个人对每一个决定负责。在公共部门平等责任之下，你不能把你的责任外包给一个算法。像对待任何临床算法一样对待这些工具——接受偏见测试、透明度，以及主题 8.4——AI 与新兴技术治理中的治理。

4. 修复晋升和留任，而不仅仅是前门。 如果人们无法晋升或选择离开，多样化的招聘就会前功尽弃。分析你自己的 WRES 和 WDES 数据：少数族裔和残疾员工在管道中的哪个位置流失，为什么？投资于赞助、拉伸机会、透明的晋升标准和反向导师制——并依据离职面谈的主题采取行动，而不是把它们归档了事。

5. 让合理调整快速、有资金支持，且正常化。 建立一条清晰、低摩擦的工作场所调整路径——理想情况下是一份随人跨角色流动的护照——从而使没有人在每次调岗时都必须重新证明自己的需求。大多数调整是廉价或免费的；真正的障碍通常是延迟、污名，或一位不了解流程的经理。应用残疾的社会模型，假设这个障碍是可以修复的，从"如何"开始，而不是从"是否"开始。

6. 建立心理安全和真正的同盟行动，而不仅仅是网络。 面向残疾人、LGBTQ+ 和少数族裔同事的员工网络是有价值的，但不应该承载变革的全部负担。给他们赞助、时间和影响决策的渠道，期望大多数人——尤其是领导者——通过利用他们的地位来消除障碍来实践同盟行动。心理安全的测试，是一位初级同事是否会在一次设计评审中质疑一位资深人士的假设；建立能让他们这样做的条件。

7. 把 EDI 目标设置进领导层的问责之中。 领导者被衡量的东西，就是会改变的东西。把具体的、有证据支撑的 EDI 目标放进高级考核和董事会报告中，与你的 WRES/WDES 行动计划和薪酬差距趋势挂钩。董事会应该每季度看到与他们所看到的财务和绩效相同的分类数据，并被期望解释其变化。

8. 诚实地衡量，抵制象征主义。 收集和使用分类数据——在数字允许的情况下包括交叉性切分——但将这些数字与安全收集的生活经历配对。一次来自代表性不足群体的高级任命不是一项战略，把它当作一项战略来庆祝，可能会打击仍面临障碍的人的士气。衡量系统（入围率、纪律处分率、调整周转时间、员工调查归属感分数），而不是轶事。

9. 闭合从人力包容到公平服务的循环。 把你的包容性人力工作明确地与患者和公民的公平成果联系起来（主题 1.9）。让拥有相关生活经历的员工参与研究、设计和测试——有适当的支持和认可，而不是作为无偿的代表。目的不仅是对员工的公平，也是不辜负那些与平均开发者最不相像的人的服务。

与团队讨论的问题#

1. 在我们的招聘、晋升和留任管道中，代表性不足群体的人实际上在哪里流失——是我们流程中的什么、而不是他们身上的什么，导致了这一点？ 这个问题迫使从良好意图转向证据，而这正是大多数 EDI 对话悄悄停滞的地方。在一个数字、数据和技术职能中，代表性不足往往是严重的——这些角色严重偏向男性，在高级层面则偏向白人——因此诱惑是将其归咎于更广泛社会的"管道问题"，然后止步于此。诚实的工作是审视你自己的数据：从入围名单中被聘用的相对可能性、谁进入正式的能力或纪律处分流程、谁被晋升，以及谁辞职、为什么。WRES 和 WDES 给你一个国家层面的框架，但价值在于审视你本地的数字，问哪些具体的步骤——广告的措辞、评审小组的构成、决定谁获得拉伸性工作的非正式"拍肩膀"——产生了这种流失。一个好的答案会指明具体的阶段和流程变更，配有负责人，抵制把原因外部化的舒适，并承诺重新衡量，而不是假设修复奏效了。

2. 当我们采用承诺使招聘或绩效变得"客观"的工具和流程——包括 AI——我们怎么知道它们不只是在把我们现有的偏见自动化？ 数字团队被自动化和数据所吸引，这使他们对"算法能从招聘中消除人类偏见"这一诱人想法异常暴露。现实中，在历史决策上训练的系统会学习历史上的不平等，一个视频面试评分器或简历排名器可能会使残疾申请者、女性或少数族裔候选人处于不利地位，同时看起来是中立的，比一个人工评审小组更难被质疑。要辩论的张力是速度和一致性与公平性和问责之间的关系：自动化能够标准化，但标准化一个有偏见的基线会使其固化。考虑你的供应商能否证明不利影响测试、每个决定是否仍有一位具名的人对其负责，以及一位被拒绝的候选人是否能够有意义地质疑这个结果。在公共部门平等责任之下，这项责任不能被委托给一个供应商，因此一个好的答案会以对待临床算法相同的审查态度来对待这些工具——经过偏见测试、透明，且始终有一个人在环路中。

3. 对房间里权力最小的人来说，说"这个设计假设了会辜负像我这样的人的某个东西"真的安全吗——我们怎么知道？ 只有当差异能够被表达时，包容才会改变产品，而表达取决于心理安全，而心理安全的分布是不均衡的，从舒适的位置很容易被高估。实践中，最能发现一项服务会排斥照护者、残疾用户或某个特定社群的人，往往是团队中最初级的人，或来自那个背景的唯一一人——恰恰是那个为发声和出错付出最高代价的人。这场辩论应该揭示当有人提出一个会拖慢交付的公平性担忧时，你的团队实际上如何反应：它是被欢迎为一个被捕捉到的缺陷，还是被当作对冲刺的干扰？寻找证据，而不是安慰——这样的挑战上一次发生是什么时候，谁提出了它，结果改变了什么？一个有力的、诚实的答案会区分团队所宣称的开放性与其被观察到的行为，承认归属感并非被在场的每个人平等地感受到，并识别出什么必须是真的、最安静的声音才能被听到。

4. 当一位同事需要一项工作场所调整时，我们的流程是使它快速、有资金支持且有尊严的——还是举证责任和延迟落在他们身上？ 合理调整是对残疾包容的既定承诺与日常现实相遇的地方，数字团队在这里既有优势，也有盲点。优势是，一个技术角色中的许多调整——辅助软件、灵活的工作时间、远程或异步工作、会议格式的变更——是廉价的、快速的，已经在团队的能力范围之内；盲点是假设因为工具存在，障碍就已经解决了。要审视的张力是速度和尊严与流程和审查之间的关系：一项因数周评估而延迟的调整，或一项每次有人转团队都必须重新证明的调整，本身就是一个障碍，无论文书工作的意图多么良好。考虑一位经理是否真的知道如何在不上报的情况下处理一项请求、一份调整护照是否随着这个人流动，以及谁在付出——个人的精力和披露，还是一份配备充分资金的中央预算。应用残疾的社会模型，一个诚实的答案会从"我们如何消除这个障碍"开始，而不是"我们是否应该"，指明一个它愿意被问责的周转时间，并把污名和延迟、而不是成本，当作真正的障碍。

5. 我们的数据因为我们每次只看一个特征而隐藏了谁的劣势？ 大多数监测在各自独立的轴线上计数种族、性别和残疾，而这正是面临最尖锐、复合劣势的那些群体保持不可见的方式——一位有色人种残疾女性不是三个独立差距的平均值，单轴仪表板永远不会显示她。在一个数字、数据和技术职能中，任何一个交叉单元格中的数字往往很小，这既是一个真实的统计困难，也是一个从不去看的方便理由。要辩论的取舍是严谨性和匿名性与可见性之间的关系：把数据切分得太细，有识别出个人、违反保密的风险，然而完全拒绝切分它，则保证了你会错过这些标准本应保护的人。把定量的局限与安全收集的生活经历配对，从而使当单元格太小而无法报告时，那个故事不会仅仅丢失。一个有力的答案会承诺在数字负责任地允许的情况下审视交叉模式，坦率地说明哪些地方不能，并拒绝把一个头条 WRES 或 WDES 数字当作全貌，因为它可能平均掉了受影响最严重的人。

6. 我们是否在要求代表性不足的同事和他们的网络在业余时间修复包容问题，而权力最大的人却保持舒适的旁观？ 员工网络和个人倡导者做着重要的工作，但存在一种反复出现的不公，即期望那些承担劣势的人也承担补救它的无偿劳动，常常是在一份全职交付角色之上再加一份。这个问题揭示了变革的工作实际上是谁在做：谁运营这个网络，谁坐在包容小组里，谁被要求在小组中发言或审查设计的无障碍性——以及这份努力是否被认可、被配备资源、并反映在工作量中，还是仅仅被假设存在。这里的张力存在于有价值的基层能量与一种悄悄把自己的问责外包给它的领导层之间；一个有赞助、时间和真实影响力的网络是赋权，同一个网络若没有这些则是剥削。真正的同盟行动意味着大多数人——尤其是高级领导者——利用他们的地位来消除障碍，而不是把这份努力委托给下面的人。一个诚实的答案会审视目前负担落在哪里，生活经历对研究和设计的贡献是被付费和认可的，还是被无偿榨取的，以及领导者亲自在做什么，而不是赞助别人去做。

实践中：一个卫生与照护案例#

一个整合照护系统（ICS）正在扩大一个约两百人的中央数字、数据和技术理事部门，把来自多家信托机构的员工和新的外部招聘人员聚集在一起。早期数据令人不安：该理事部门 80% 是男性，其高级职级几乎全是白人，其继承的 WRES 和 WDES 数字显示，少数族裔和残疾员工进入正式流程的可能性要高得多，被晋升的可能性要低得多。一个从一家伙伴信托机构带过来的"文化契合度"筛选工具，正在悄悄地把有职业中断和非线性路径的候选人排除在外。

首席数字信息官拒绝把这当作一个人力资源问题来对待。该理事部门围绕成果重写了职位描述，取消了过高的学位和"10 年经验"过滤条件，匿名化了初筛申请，并要求使用结构化评分的多样化、受过培训的面试评审小组。文化契合度算法因供应商无法提供的不利影响证据而被暂停，被一项结构化的工作样本任务所取代。一份合理调整护照被引入，使跨组成信托机构流动的残疾员工永远不必重新证明他们的需求。

进展被诚实地衡量。董事会每季度看到分类的入围、晋升、纪律处分和调整周转时间数据，连同来自员工调查的归属感分数，每位高级领导者都携带一个具体的 EDI 目标。残疾和少数族裔员工网络获得了赞助、时间，以及在设计评审中的一个常设席位，从而使生活经历塑造服务，而不仅仅是装饰一份报告。一年之内，入围差距缩小了，调整周转时间从数周降到数天；晋升差距几乎没有变动，该理事部门坦率地这样说，而不是宣称胜利。

行业视角#

初创企业#

一家小型数字健康初创企业没有 EDI 职能，创始人的头十几次聘用会设定一种之后极难改变的文化——同质性会通过来自相似网络的推荐招聘而复合。好处是敏捷性：把包容性招聘习惯、一个不繁琐的调整流程和一种敢言文化建进十个人，比把它们补装进一千个人要便宜得多。尖锐的风险是构建了一个对整个用户群体视而不见的单一文化产品，以及一位承担着不可见负担、随后离开的孤单代表性不足员工。务实的做法是从第一次聘用起，就让结构化的、有偏见意识的招聘和明确的心理安全不可谈判，并在这种模式固化之前，把来源拓宽到创始人自己的网络之外。

小型企业#

一家成熟的小型服务提供者——一家全科诊所、一家社区药房、一家养老院或居家照护机构、一家单点诊所，或一家已过无收入阶段的小型健康科技供应商——有真实的患者和员工，却没有人力资源或 EDI 专家，包容是业主或诊所经理在运营危机之间能挤出的任何时间。它仍然受《2010 年平等法案》约束，如果它交付 NHS 委托的服务，可能会被卷入 WRES/WDES 的期望，然而它必须履行与一家大型信托机构相同的责任，却没有数据团队、中央调整预算，或受过培训的评审小组来做这件事。实际的风险是招聘完全通过一个狭窄本地网络的口耳相传进行、一项合理调整因为没有人知道流程而停滞，以及一位单一经理的善意替代了政策。相称的回应是采用一小撮廉价、高杠杆的习惯——一次带有商定问题的结构化面试、一份聚焦成果的招聘广告、一条为调整提供资金和行动的已知路径，以及诚实地使用 Access to Work——而不是一个它无法配备人手的正式项目。

大型机构#

一家大型 NHS 信托机构、ICS，或健康科技公司拥有正式的 EDI 职能、员工网络和强制性的 WRES/WDES 报告，但要与规模、惯性和不一致作斗争——在一个团队中真实的包容，在下一个团队中却不存在，已发布政策与日常体验之间的差距是核心问题。大型机构的优势是数据和杠杆：它能够规模化地分析管道、运行薪酬差距分析、集中为调整提供资金，并通过考核和董事会报告让领导者负责。典型的失败是把报告当作目标——产出一份精美的 WRES 行动计划，却在现场什么都不改变。任务是把法定报告转化为运营变革，分类数据受到与财务同样严肃的治理，每一个差距都有具名的所有权。

政府#

一个国家机构——NHS England、Department of Health and Social Care、一个权力下放的政府，或一个大型地方当局——设定其他所有人实施的标准，持有公共部门平等责任、WRES、WDES 和强制性薪酬差距报告的杠杆。它的权力是框架和资金，而不是直接的条线管理，因此它的影响取决于它无法简单地强制要求的采纳，它自己的人力队伍也受到与它对其他人所施加的相同公众审视。问责面向大臣、议会和公众，这使得对缓慢进展保持诚实在政治上很困难，但至关重要。反复出现的风险是，国家 EDI 机制变成了合规仪式——数据被返回，方框被勾选——却没有改变员工的生活体验，因此政府工作必须为真实世界的影响而被评价，必须示范它要求整个系统达到的那种包容。

常见失败模式#

• EDI 作为一张海报，而不是一个流程。 墙上的价值观和一个网络团体，但招聘、晋升和调整都没有改变。没有任何可衡量的东西发生变化。
• 无意识偏见培训作为一种修复。 一个一次性的电子学习模块被当作干预措施；意识短暂上升，行为和结构没有改变。
• 将偏见自动化。 采用 AI 或"文化契合度"筛选，在客观性的主张背后固化了历史上的不平等，没有不利影响测试或人的问责。
• 象征主义和单一成功故事。 庆祝一次高级任命作为进展的证明，而其背后的管道却没有改变——这打击士气而不是带来安心。
• 有报告却没有行动。 一份年复一年记录差距却从未弥合它们的合规性 WRES/WDES 回报；数据变成了一个借口。
• 让边缘化群体超负荷。 期望代表性不足的员工和他们的网络在无偿的额外时间里修复包容问题，而领导者和大多数人保持被动。
• 单轴盲区。 分别监测种族、性别和残疾，错过了面临最尖锐、复合劣势的交叉群体。

成熟度模型#

检查清单#

• 职位描述描述的是成果，而不是狭窄的血统；过高的过滤条件已被移除。
• 招聘使用匿名初筛、结构化评分，以及受过培训的多样化评审小组。
• 任何 AI 或自动化招聘工具都已就不利影响提供证据，每个决定都有一位具名的人负责。
• WRES、WDES 和性别/种族薪酬差距数据由董事会审查，分类，有行动负责人。
• 晋升和离职数据按特征被分析，管道流失点正在被解决。
• 一个快速、有资金支持的合理调整流程（理想情况下是一份护照）已就位，经理们知晓它。
• 员工网络有赞助、时间，以及影响决策的真实渠道。
• 高级领导者的考核中携带具体的、有证据支撑的 EDI 目标。
• 对研究、设计和测试的生活经历投入获得了资源和认可，而不是被无偿榨取。
• 归属感和心理安全衡量指标与代表性一起被跟踪，被诚实地报告。
• 在数字允许的情况下审视交叉切分，而不仅仅是单轴监测。
• EDI 作为一项交付和安全关切被拥有，明确地与公平服务相连接（主题 1.9）。

关键资料来源#

• 《2010 年平等法案》和公共部门平等责任——legislation.gov.uk 和 Equality and Human Rights Commission
• NHS 人力种族平等标准（WRES）——NHS England 年度报告和技术指导
• NHS 人力残疾平等标准（WDES）——NHS England 年度报告和技术指导
• NHS 平等、多样性和包容改进计划以及 NHS 人员承诺——NHS England
• NHS 员工调查——用于归属感、欺凌、歧视和敬业度衡量
• 性别薪酬差距和（自愿的）种族薪酬差距报告指导——GOV.UK
• 合理调整和工作场所调整/Access to Work 计划——GOV.UK 和 Business Disability Forum
• Behavioural Insights Team / Government Equalities Office 对无意识偏见培训证据的审查
• Kotter、Edmondson 和 West 关于心理安全和包容性、富有同情心领导力的著作体系

参考文献#

1. Equality Act 2010 — Wikipedia — https://en.wikipedia.org/wiki/Equality_Act_2010
2. Diversity (business) — Wikipedia — https://en.wikipedia.org/wiki/Diversity_(business)
3. Belongingness — Wikipedia — https://en.wikipedia.org/wiki/Belongingness
4. Gender pay gap — Wikipedia — https://en.wikipedia.org/wiki/Gender_pay_gap
5. Intersectionality — Wikipedia — https://en.wikipedia.org/wiki/Intersectionality
6. Implicit stereotype — Wikipedia — https://en.wikipedia.org/wiki/Implicit_stereotype
7. Algorithmic bias — Wikipedia — https://en.wikipedia.org/wiki/Algorithmic_bias
8. Reasonable accommodation — Wikipedia — https://en.wikipedia.org/wiki/Reasonable_accommodation
9. Social model of disability — Wikipedia — https://en.wikipedia.org/wiki/Social_model_of_disability
10. Psychological safety — Wikipedia — https://en.wikipedia.org/wiki/Psychological_safety
11. Allyship — Wikipedia — https://en.wikipedia.org/wiki/Allyship
12. Equality Act 2010 — legislation.gov.uk — https://www.legislation.gov.uk/ukpga/2010/15/contents
13. Public Sector Equality Duty guidance — Equality and Human Rights Commission — https://www.equalityhumanrights.com/en/advice-and-guidance/public-sector-equality-duty
14. NHS Workforce Race Equality Standard (WRES) — NHS England — https://www.england.nhs.uk/about/equality/equality-hub/workforce-equality-data-standards/equality-standard/
15. NHS Workforce Disability Equality Standard (WDES) — NHS England — https://www.england.nhs.uk/about/equality/equality-hub/workforce-equality-data-standards/workforce-disability-equality-standard/
16. NHS Equality, Diversity and Inclusion Improvement Plan — NHS England — https://www.england.nhs.uk/long-read/nhs-equality-diversity-and-inclusion-improvement-plan/
17. Gender pay gap reporting: guidance for employers — GOV.UK — https://www.gov.uk/guidance/gender-pay-gap-reporting-overview
18. Unconscious bias training: an assessment of the evidence for effectiveness — Government Equalities Office / Behavioural Insights Team — https://www.gov.uk/government/publications/unconscious-bias-training-an-assessment-of-the-evidence-for-effectiveness

另见主题 1.9——数字包容与无障碍性、主题 7.0——团队结构、角色与责任、主题 7.3——人力战略，以及主题 7.5——人员与组织发展。