备。编程需要耐心和处理细节的能力。女性‘天生’适合计算机编程。”
但就在这段时间，雇主们开始意识到，编程并不是他们曾经认为的低技能文书工作。它不只是打字或直觉，而是需要解决问题的高级技能。而且，才华偏见比客观现实更强大（考虑到女性已经在做编程，她们显然具备这些技能），行业领袖开始培训男性。然后他们开发了貌似客观、实际对女性存有偏见的招聘工具。就像如今大学里使用的教学评估一样，这些测试受到了外界批评，因为它告诉雇主的“与其说是应聘者是否适合这份工作，不如说是他或她是否具备常见的刻板印象特征”。[60]很难确认，开发这些招聘工具是性别数据缺口（没有意识到他们寻找的特征是男性偏见）还是直接歧视的结果，但不可否认的是，它们偏袒男性。
多项选择题能力测试不再要求“注意细微差别或在特定情况下解决问题”，转而关注那种数学上的细节问题，即使在当时，行业领袖也认为这些问题与编程越来越无关了。这些测试真正擅长评估的是男人在当时更可能在学校里学到的那种数学技能。它们也适合测试申请者是否有良好的人脉：答案经常可以通过纯男性的关系网获得，比如大学兄弟会和麋鹿会（美国的兄弟会组织）。[61]
在卡内基梅隆大学夏校活动中，计算机科学教师认可的是一种程序员的刻板印象：孤僻的怪才，社交技能很差，不讲个人卫生。1967年一篇被广泛引用的心理学论文指出，“对人不感兴趣”和“不喜欢与人密切接触的活动”是“程序员的显著特征”。[62]结果，公司找到了这些人，他们成了那一代的顶尖程序员，而他们的心理状况则成了一种自我应验的预言。
既然如此，这种隐藏的偏见如今又卷土重来，也就不足为奇了，这是因为有越来越多的秘密算法参与到招聘过程中。美国数据科学家、《数学杀伤性武器》一书的作者凯茜·奥尼尔为英国《卫报》撰文，解释了在线技术招聘平台Gild（现已被城堡资本公司收购并纳入公司内部[63]）如何通过梳理求职者的“社交数据”，[64]也就是他们在网上留下的痕迹，让雇主获得远超求职者简历的信息。这些数据被用来根据“社交资本”给候选人排名，“社交资本”基本上是指程序员对数字社区有多么不可或缺。这可以通过他们在GitHub或StackOverflow等开发平台上共享和开发代码的时间来衡量。但是Gild筛选出的海量数据也揭
