In het Verenigd Koninkrijk hebben studies herhaaldelijk aanwijzingen gevonden voor accentisme. Vooroordelen op basis van iemands manier van spreken kan invloed hebben op mensen in de klas, op kantoor en daarbuiten.

Ons onderzoek naar dialecten en peer-to-peer-leningen in China heeft uitgewezen dat dit soort taaldiscriminatie ook iemands toegang tot financiering kan beïnvloeden. In het bijzonder kunnen die accentbias, communicatiebarrières of dialectdiscriminatie ertoe leiden dat leners die minderheidsdialecten spreken, kleinere leningen krijgen en hogere wanbetalingspercentages hebben.

Financiële technologie (afgekort fintech) is de technologie en innovatie die de concurrentie aangaat met traditionele financiële instellingen. De opkomende industrie is een alternatief voor banken en persoonlijke leningen, waardoor mensen rechtstreeks geld van elkaar kunnen lenen of lenen. Deze online bedrijven hebben lagere transactiekosten en vullen de tekortkomingen van traditioneel bankieren voor kleine leningen aan.

Discriminatie is goed gedocumenteerd in de traditionele financiële dienstverlening en er zijn voortdurende discussies over diversiteit in de sector. Deze hebben zich echter gericht op meer voor de hand liggende vormen van vooroordelen, zoals etnische of raciale vooroordelen, terwijl ons onderzoek aantoont dat dit breder en subtieler kan, in de vorm van dialectdiscriminatie.

Mensen die verschillende dialecten gebruiken, hebben vaak verschillende culturele gewoonten, soms bijna alsof ze uit verschillende landen komen. Dus als er meerdere dialecten in een gebied zijn, kan dit leiden tot communicatiebarrières en uiteindelijk leners met verschillende dialecten treffen.

China is een van de grootste fintech-kredietmarkten, met ongeveer 2500 platforms die peer-to-peer-leningen ondersteunen. Er worden 17 grote dialecten en 105 subdialecten gesproken in de 300 steden in China. De uitspraak en grammatica in verschillende provincies hebben zich zo ontwikkeld dat variaties van gesproken taal vaak onderling onbegrijpelijk zijn.

Mijn collega's Zhongfei Chen, Ming Jin, Youwei Li en ik onderzochten 210.841 historische leninggegevens van een van China's eerste online leenplatforms, voor de periode 2013-2018. We hebben deze gegevens gebruikt om de verbanden tussen dialectdiversiteit (het aantal dialecten dat in een stad wordt gesproken) en het gedrag van leners te onderzoeken.

We ontdekten dat leners uit gebieden waar meer minderheidsdialecten worden gebruikt, kleinere leningen ontvingen bij het gebruik van het fintech-platform dat we bestudeerden. Ze hadden ook hogere wanbetalingen, vergeleken met leners uit steden met minder dialectdiversiteit. Dit was het geval bij het vergelijken van mensen met vergelijkbare inkomensniveaus en andere kenmerken zoals geslacht, leeftijd, opleiding en kredietwaardigheid.

Financiële geletterdheid:verloren in vertaling?

Op het platform dat we hebben onderzocht, vragen leners een lening aan en het bedrijf beoordeelt de aanvraag voordat ze het definitieve leenbedrag en de rentevoet bepalen. Het uitleenplatform speelt de rol van een derde partij en wil niet dat leners in gebreke blijven. Als gevolg hiervan behandelen ze leningaanvragers met de nodige voorzichtigheid.

Bij sommige transacties tussen gebruikers vindt het goedkeuringsproces allemaal online plaats. Maar leners van bepaalde soorten leningen (zoals die waarbij het platform garant staat) moeten ook een persoonlijke beoordeling doorstaan. Reviewers verzamelen gegevens over geslacht, burgerlijke staat, werk, opleiding, leeftijd en inkomen. In deze beoordelingen geloven wij dat accentvooroordelen en culturele discriminatie kunnen werken tegen leners die minderheidsdialecten spreken.

Het verband tussen toegang tot financiering en dialectdiversiteit kan te wijten zijn aan verschillende niveaus van financiële geletterdheid en bijgevolg aan communicatiebarrières tussen verschillende dialectgebruikers. Er is inderdaad bewijs dat taal in verband brengt met financiële geletterdheid. Lage niveaus van financiële geletterdheid in China (ongeveer 28% van de volwassenen, vergeleken met 67%), zou de communicatie over leningen en financiën tussen verschillende taalgebruikers kunnen bemoeilijken.

De resultaten van ons onderzoek zijn niet geheel verrassend. Taal- en dialectdiscriminatie zijn al lang bestaande problemen in China. En eerdere studies hebben aangetoond dat etnische minderheden vaak economische achterstanden ervaren in vergelijking met andere groepen.

Maar onze bevindingen laten zien hoe fintech-platforms een mechanisme creëren waardoor discriminatie van minderheidsdialecten kan ontstaan. Dit is vooral belangrijk in een land met zo'n grote inkomensongelijkheid als China. Taalverschillen kunnen een belemmering vormen voor het verstrekken van leningen aan degenen die ze het meest nodig hebben.