我以前看過通過以下簡單方式完成此操作：

• 女性
• 男性
• 其他（填空）________
• 拒絕回答

這使得常見情況（男性/女性）易於編碼，可以為不屬於該類別的人們提供無限制的表達，並且還允許人們選擇不提供信息。

您的IRB當然需要像對調查的所有其他部分一樣進行審查。

一個選擇是根本沒有復選框。只需給人們一個自由文本字段，讓他們寫出最能描述其性別的內容，然後使用手動或自動方法將這些響應編碼為類別。可以選擇在“例如，男性，女性，性別同性戀者”之前添加提示，以闡明歡迎使用非二元答案。

優點

這種方法可確保每個人都可以給出答案最適合他們，除了冒犯被問到性別的人之外，冒犯其他人的可能性很小。您不必遍歷一長串的性別變異，就可以預期某人可能想要的每一個選擇，而且每個人都可以站穩腳跟，而不會遇到“其他”問題（見下文）。

缺點

由於您需要設置編碼系統，因此在實驗人員方面確實需要做更多的工作。但這比看起來的要少，因為您無需再為某人可能做出的每一個可能的響應預先做出決定。您只需要確定人們實際給出答案的規則即可。最有可能您最終獲得90％以上的分數，可以明確地將其分類為“男性”或“女性”，以及一小部分的非二進制響應。

有些人可能會使用自由文本字段來編寫無用的答案，但這是一件好事。這些人也可能會對複選框問題給出錯誤的答案，因此將其從結果中篩選出來是一件好事。

分析非二進制響應

從理論上講，您可能最終會做出一些複雜的決定，即哪些非二進制響應應歸類在一起以進行數據分析。實際上，這個問題很可能會通過樣本量的問題得到解答。除非您進行了非常大的調查或針對非二元人口比例異常高的人群，否則如果沒有“非二元”分類，您可能沒有足夠的非二元響應來獲得有意義的發現，以進行任何分類。

這並不意味著您不應該嘗試使設計尊重非二進制人員；這只是意味著您這樣做的主要原因是“尊重他人”，而不是本身收集數據。

側面要點

可以從其他人的答案中獲得好處，值得考慮使用這些數據的目的，並檢查您所在機構關於人體研究的政策以尋求指導。

什麼是“其他”？

對於那些不熟悉其他概念的人：許多分類系統強調設計它們的人的特徵，或者那些被認為更重要的人，而“其他”則用作許多具有共同特徵的不同事物的統稱可能是他們對分類的設計師不熟悉/不重要。 這個來自Robot Hugs的出色系列詳細討論了這個問題，並舉了杜威十進位制的幾個例子：其宗教部分針對基督教的各個主題有七個兩位數的類別，而所有非基督教徒宗教被歸納為一個“其他宗教”組，歐洲語言與非歐洲語言的比率相同。

這種構架可能不尊重“其他人”，因為它可以理解為說“關於您最重要的事情是您不屬於我們”。它還存在偏見的可能性；如果來自不同文化背景的研究人員對以其形式“吸收”的物質做出不同的決定，那麼很難比較結果。 （即使兩種形式都有允許人們輸入自定義答案的文本字段，受訪者也可能更願意在方框中打勾而不是在方框中寫下。）

最誠實的回答（如果只是略微解決問題的話）取決於您需要的數據。

我將進一步細分該數據：

第一部分：性別

假設您正在進行社會學研究，正在尋找性別趨勢。您在這裡有一些選擇，下面我將概述一些優點和缺點：

選項一：自由文本

是你的性別？ [此處為自由文本輸入字段]

但是，這會遇到一些問題。

1. 人們可能會出於惡意回答（例如，“ apapopter”從上面）。有一個有效的論點，即可以用來取消其數據的資格，但是取決於您手動檢查此數據與自動分析該數據的量，如果您的數據分析器可能會導致非二進制數據的人為膨脹將除“男性”或“女性”以外的任何內容都視為非二進制。
2. 出現錯別字。如果您正在手動查看數據，那麼如果有人搞砸並輸入“ fmeale”並沒有什麼大不了，但是如果您的數據在很大程度上是通過算法處理的，則您將不得不進行大量的錯字處理。
3. 即使沒有拼寫錯誤，如果您要通過算法解析數據，也將不得不考慮一些廣泛的“同義詞”注意事項。例如，“ m”和“ male”肯定會映射到同一類別。但是，如果有人輸入“跨性別者”怎麼辦？您是在分析中分離順式還是反式二元身份，還是沒有？哪種都可以，取決於您打算對數據進行什麼處理，但這是您必須做出的決定。此外，如果您確實希望對它們進行單獨分析，則可能需要對其進行分解。
ol>

通常，如果您主要是要人工檢查數據，那麼這是一個不錯的選擇，但是如果您打算讓計算機分析其中的大部分內容，則可能不是最佳選擇。

選項二：單選按鈕

說實話。除非您專門調查非二進制/ LGBPTQIA +受眾，否則您可能無法區分“性別性別”，“性別”，“性別”等。如果您只是在尋找更廣泛的趨勢，則可能會考慮最基本的情況，這只是以下內容的靜態選擇列表：

• 男性
• 女性
• 非二進制

這可以避免文字“ other”的“ othering”，但可以避免解析額外的數據/清理潛在的無效響應。 （話雖如此，您可以隨意在“ Nonbinary”旁邊添加一個自由文本框，以允許人們輸入性別，您可以將其保存為多餘的數據，也可以安靜地丟棄。）這也要少得多。可能會看到惡意數據輸入，因為如果您不讓他們做“ apache直升機”笑話，人們會更誠實地回答。

通常，如果您願意，這種方法很好計算機可以處理大多數數據，因此您無需在結果中區分順式與二進制反式個體。

選項三：更多單選按鈕

但是，如果您根據順式與反式身份更深入地研究趨勢，並且要做需要比“男性”更詳細地區分， “女性”和“非二進制”？然後，我的建議是根據要跟踪的類別添加。例如：

您的性別是什麼？

術語註釋：“順式”表示您確定與出生時所分配的性別相同。例如，如果您從小就長大，但仍然覺得自己像個女孩，那麼您就是順手。雙性戀者，請根據您最能形容您的類別進行選擇。

• Cis Man
• Cis Woman
• Trans Man
• Trans Woman
• 非二進制（如果需要數據，您可以指定“非二進制，出生時分配男性”和“非二進制，出生時分配女性”，但可以認為它有點侵入性，所以我建議除非您確實需要它，否則就不要包含它。）

通常，如果您要讓計算機處理大多數數據，並且您需要在結果中區分順式和二進制反式個體，則這種方法很好。

第二部分：性愛

比方說，您正在做一些醫學上的事情，其中​​性愛是其中的重要特徵。您可能認為這會更容易。不幸的是，您會錯的有兩個原因：

1. 跨性別者可能使用的激素會扭曲其性生活的結果
2. 雙性戀者存在。

因此，請記住這裡的幾種情況，以及它們的優點/缺點。

選項一：請輸入Y染色體！

有些人已經在此處鏈接了有關此問題的XKCD博客文章。對於尚未檢查該鏈接的用戶，基本思想是XKCD會根據人們對顏色的看法進行調查。由於色盲發生率與某人的性染色體緊密相關（因為色盲基因攜帶在x染色體上並且是隱性的），因此該調查決定詢問某人是否具有Y染色體。我感謝Randall的處理方式。關於他的用法，這是一個明智的問題。

我也認為這是一個錯誤的問題。不是因為有任何敏感性問題，而是因為我認為這會使XXY個人的數據失真。的確，具有色盲基因的XXY人是……人口的一小部分……但是，如果您感興趣的是數據，那將使它歪曲。我要說的是，除非它實際上是Y染色體上攜帶的東西，否則不要這樣問。

選項二：請只是染色體，請

假設您正在做類似上面的情況，其中您正在根據染色體跟踪色盲。老實說，我建議像這樣：

請在此處選擇您的性染色體配置。我們需要知道這一點，因為色盲與性染色體有關。如果您不確定自己的染色體，請根據性別做出最佳猜測。男性通常具有XY染色體，女性通常具有XX條染色體。跨性別人士，請根據您出生時的性別進行回答。 * XX * XY * X * XXX * XYY * XXXX * XXXY * XXYY * XXXXY * XXXXX

（您也可以進行更深入的研究，只需詢問性染色體疾病，以及最常見的XX / XY。）

很顯然，這是一個很長的列表，但事實是：如果您需要染色體信息，則需要染色體信息。不要僅僅因為它很少而捷徑。

第三部分：實際上更加複雜

但是，如果您需要更多數據怎麼辦？如果您正在研究與荷爾蒙水平或社交相關的東西怎麼辦？這是最困難的情況，因為有很多可能的選擇。人們可以抱怨他們想要的關於PC文化和性別過多的所有信息，但事實是您正在尋找生活經歷的數據，並且您無需批准其性別認同即可知道這會影響您的數據。在這種情況下，您可以考慮製作一個包含所有選項的巨型廚房水槽清單。我真的不建議這樣做。我什至嘗試針對這種情況列出選項列表，而據我所知：

您的性別是什麼？術語註釋：“ cis”表示您確定自己與以前的性別相同出生時分配的。例如，如果您從小就長大，但仍然覺得自己像個女孩，那麼您就是順手。因為我們也在考慮激素的影響，所以我們需要了解諸如兩性結構和激素治療等信息。請選擇以下最佳選項：

• 非雙性戀的男同性戀者
• 非雙性戀的女同性戀者
• 非雙性戀的非變性人，HRT
• 非雙性戀的非變性人跨性別，HRT
• 跨性別女人，非雙性戀，無HRT
• 跨性女人，非雙性戀，HRT
• 非二進制，出生時分配男性，非雙性戀，無HRT
• 非雙性，出生時分配男性，非雙性戀，HRT
• 非雙性，無性別，出生時分配男性，非雙性，無HRT
• 非二進制，出生時指定的男性，非雙性戀，HRT

我什至沒有完成！我到了必須打破兩性選擇的地步，我放棄了。這是一個可怕的清單，任何一方都不想處理它。

所以，相反，要做得更好：只問多個問題。我的個人建議是：

問題一：您的性別是？ [根據您的數據需要，選擇第一部分中的一個問題]

第二個問題：您的性別是？ [根據數據需要，選擇第二部分中的一個問題]

問題三：如果您有子宮，您是否開始或經歷了更年期？

問題四：如果您有子宮是跨/非二進制的，您是否接受過激素替代治療？

[繼續根據需要提問]

第四部分：結論

同樣，這是一個複雜的問題，您可以根據數據需要獲得相當簡單或相當複雜的實現。但是，總的來說，您可以牢記以下指導原則：

1. 我需要什麼數據？
2. 我需要什麼數據？ ？
3. 以我的調查受訪者能夠理解的方式來解釋所有這些情況的最佳方法是什麼？
4. 不要便宜，因為它涵蓋了“大多數”您需要的情況。沒有人喜歡被排除在外，而且排除數據，甚至是離群數據也會影響您的結果。
5. 別混蛋。僅僅因為這不是您的經歷，並不意味著它不是某人的經歷。尊重他人，並歡迎參與者的反饋。
ol>

我很驚訝地沒有看到過去幾年（英國學術界）經常出現的格式：

1. 您如何描述自己的性別：

   • 男性
   • 女性
   • 其他______
   • 不想說

2. 您的性別是否與出生時指定的性別相同？

   • 是
   • 否
   • 寧願不說
ol>

這是完全明確的，您可以獲得確定的信息，但是它使受訪者可以完全控制要提供的信息量，而無需將其放入選項中。

我知道在當今的氣候下這不是一種特別流行的方法，但是根據研究的背景，詢問生物性別（也就是他們是否擁有Y染色體）可能是最合適的方法，而不是性別。

通過這種方式，您可以擁有Y染色體，也可以沒有Y染色體。

在生物學/臨床研究中，這可能是最明智的方法，但在社會科學中

鑑於有關此建議具有恐懼感的評論（不是，但在美國，人們很敏感），另外一種方法可能證明更有用。答案是要問您是否出生時具有陰莖，陰道或兩者都有，但是碰到一點點煩惱。

我還要補充一點，除非您的學習絕對必要知道參與者的性別/性別，不要問。

如果您在美國，則（必須）問您關於 IRB的問題。答案可能取決於您學習的整體性質，而不僅僅是這個問題。他們可能會想知道您打算如何使用此信息（以及其他所有信息）。

不是空白，而是空白。可能是男性，女性，拒絕回答。但是，即使那樣也會冒犯一些非二進制的人。但是，如果您認為需要列出所有可能性，那麼您就有很多自我識別的性別。而且您必須證明這個問題的合理性。有些人會出於某些目的考慮這個問題。

如果您不在美國，則當地法律也可能適用於任何以人類為對象的研究，您需要了解這一點。我不知道德國的法律。

一個可以接受的選擇是不使用項目符號列表，而要使用人們可以描述自己的字段。當然，這會使研究設計更加困難，因為您事先不知道會有什麼反應。而且，取決於此處填寫調查表的人，結果可能比您喜歡的更具創造性，如此處評論中所述。

當然，您不知道人們在任何情況下都會誠實地回答。如果您要求提供敏感信息，則可能會發生這種情況。

這種研究還有另一個複雜之處，那就是設計中需要考慮的問題。如果說90％是“男性”回答，您如何確定結果是否因性別而異？當然，這並非不可能，但是您必須有一個計劃。

基於我對琥珀B的出色回答所作的評論，項目符號列表或開放式字段的替代方案（可以進行計算機分析）是創建二叉樹是的問題。根源例如：“您現在確定是男性嗎？”。每個答案與所有先前的答案結合在一起，用於選擇下一個問題，例如“否”：“您是否曾經自認是男性？”。正如您所建議的那樣，它很複雜，並且暗示著針對您的需求量身定制的完整分析，並且對他人的理解也很敏感。太複雜了，您需要根據自己的需求（社會學，醫學或好奇）證明自己對信息的需求。

下一個答案必須基於所有先前的答案，而不僅僅是最近的答案。可能“目前”識別為男性可能是不夠的，並且可能有很多組合。但這至少為您提供了一種分析結果的方法。

根據我的其他評論，我還將指出：性別中至少存在三個獨立的因素。您的思想，“管道”和荷爾蒙系統。 （我不是醫學界的極客，但認為染色體對管道和荷爾蒙結構都有影響。所有染色體都具有影響力，但絕對沒有決定性。過去，人們不屑一顧-您的想法-並對其進行分類。您，現在，借助現代醫學，外科手術和藥理學，一個人可以使這三個人達到理想的平衡。我們現在認識到人們除了過去曾拒絕過的選擇之外，還有生物學方面的選擇，並且有些人認為，

最後（也許），這三個因素中的任何一個都不是二元的，甚至也不是染色體。這三個因素的取值範圍都組合成“我們是誰”。

它確實取決於您對性別還是性別感興趣。正如已經指出的那樣，兩者都不容易，但可能是相關的。

對於性別問題，我看到的最好的措詞是“您認為自己的性別是什麼？”。您可能會對此做出一些愚蠢的答案，但正如已經指出的那樣，如果有人回答“攻擊直升機”，這可能是一個很好的理由，將其他所有答案排除在該人之外。

對於性行為，您應該在問題中明確指出您的意思是性別，而不是性別。告訴別人性行為並不困難，正如已經指出的那樣，有些人是雙性戀，但是如果有足夠多的樣本，回答這個問題“錯誤”的人就應該平等。

這確實是一個實驗性設計問題。您可能要回答的第一個問題是您對性別（即生物結構）或性別（即社會結構）感興趣。第二個問題是您將如何分析數據。除非您正在積極招募具有特定性別的人，否則隨機抽樣的機會中有足夠多的人沒有被識別為男人或女人的可能性意味著您可以進行有意義的統計，這意味著您可能可以擺脫另一組人。

包括“拒絕回答”選項還取決於您的實驗設計。如果您想給他們一個拒絕選項，如果您要將它們組合在一起，可以將選項設為其他/拒絕。在隨機的方便樣本中，您可能會得到足夠多的拒絕回答的人，可以對他們進行第三組統計。

與所有涉及人類受試者的研究一樣，請確保您獲得IRB的批准或研究符合豁免要求。

另一個想法是， 2017年Nerdfighteria人口普查使用了“檢查所有適用項”策略：

1. 性別（選中所有適用項）？

   ☐女
   ☐男性
   ☐性別趣味者
   ☐性別
   ☐變性人
   ☐性別液
   ☐詢問
   ☐非二進制

   其他（請指定）________

ol>

（另請參見該調查結果的分析此處。）