Kvinder er stadig mindre tilbøjelige til at blive ansat, forfremmet, vejledt eller endda få deres forskning citeret

Det er 2022, og kvinder i videnskaben er stadig mindre tilbøjelige til at blive ansat og forfremmet end deres mandlige jævnaldrende. Kvinder er mindre tilbøjelige til at blive vejledt af eminente fakulteter, de udgiver i mindre prestigefyldte tidsskrifter, har færre samarbejdspartnere, er underrepræsenteret blandt tidsskrifts anmeldere og redaktører, og deres artikler modtager færre citater. Hvordan sker det her?

USC's Information Sciences Institute (ISI) hovedforsker Kristina Lerman og hendes team brugte AI til at lede efter svar på dette spørgsmål. Det resulterende papir er blevet offentliggjort i det peer-reviewede, tværfaglige videnskabelige tidsskrift Proceedings of the National Academy of Sciences (PNAS ) den 26. september 2022.

Som kvinde i naturvidenskab kender Lerman den verden, hun arbejder i, men selv hun var chokeret over statistikker, hun for nylig lærte:kun 2% af nobelprisvinderne i fysik har været kvinder (indtil for et par år siden var det 1%) og disse tal er ens på tværs af mange videnskabelige områder. Lerman sagde, "kun 7% af nobelprisvinderne i kemi har været kvinder! Kvinder har arbejdet i kemi i så lang tid, så hvordan er det? Vi var nysgerrige efter denne uoverensstemmelse."

rigtige data, rigtige tidspunkt

Lerman havde det rigtige datasæt til problemet. Siden 2019 havde hun og hendes team arbejdet på et stort projekt, der brugte AI til at forudsige reproducerbarheden af ​​forskningsartikler. ISI-teamet brugte AI til at analysere mange aspekter af videnskabelige artikler, herunder citaterne, for at forudsige reproducerbarhed. De udgav papiret "Assessing Scientific Research Papers with Knowledge Graphs" på ACM SIGIR 22 (Association for Computing Machinery's Special Interest Group on Information Retrieval) i juli 2022, der beskrev deres nye metode og lovende resultater.

For at udføre denne reproducerbarhedsundersøgelse indsamlede Lermans team en enorm mængde data om akademiske artikler. Hendes medforfatter Jay Pujara, direktør for Center on Knowledge Graphs på ISI sagde:"Vi indsamlede denne meget store citationsgraf - netværket af artikler, forfattere, citater, referencer, samarbejder, forfatterinstitutioner, hvor de udgiver osv." De forvandlede disse data til en enorm vidensgraf (en "vidensgraf" er en repræsentation af et netværk af entiteter fra den virkelige verden, der illustrerer forholdet mellem dem).

Holdet så på de former eller "strukturer", der opstod i vidensgrafen. De spekulerede på, om der var en form for naturfænomen, der forårsagede de forskellige strukturer i citationsnetværkene. Derudover ønskede de at sikre sig, at de data, der blev brugt i deres reproducerbarhedsforudsigelser, ikke blev påvirket af skævheder i dataene. Pujara sagde:"Kristina [Lerman] havde ideen til at se på kovariater som køn eller prestige." Og med den idé satte forskerholdet sig for at se, om der var forskel på et netværk ud fra, om forfatteren var en mand eller en kvinde, samt om de var på et universitet i topplacering eller et lavere rangeret universitet.

Hvem, hvad og hvorfor af citater

Før vi går videre, lidt info om, hvordan citering i videnskabelig forskning fungerer. Der er typisk tre grunde til, at en forfatter kan citere en anden forfatters papir.

For det første, som baggrund - for at forstå deres papir, vil en forfatter citere andre papirer, der giver den nødvendige baggrundsinformation. For det andet, for at forklare en metode – hvis en forfatter brugte en metode, der ligner, en version af eller sammenlignelig med en metode fra et andet papir, vil de citere papiret, der forklarer metoden. Og for det tredje resultater - en forfatter vil forklare deres resultater, men kan citere andre artikler, der studerede det samme, men fik andre resultater.

Indhentning af oplysninger fra citater

"At prøve at studere citationsnetværket for enhver forsker derude er virkelig svært, så hvorfor vælger vi ikke cremen af ​​​​afgrøden?" sagde Pujara. Holdet kiggede på videnskabsmænd valgt til U.S. National Academy of Sciences (NAS), en af ​​de ældste og mest fremtrædende professionelle videnskabelige organisationer. Nye medlemmer af NAS vælges af nuværende medlemmer baseret på en fornem rekord af videnskabelige resultater, hvilket betyder, at de i teorien alle har nået det samme niveau af anerkendelse. ISI-teamet kiggede på 766 NAS-forskere, hvoraf 120 var kvinder, idet de antog, at komplekse kønsforskelle ville være synlige inden for denne gruppe eliteforskere.

Deres hypotese viste sig at være korrekt.

De konstruerede citationsnetværk, der fangede strukturen af ​​peer-genkendelse for hvert NAS-medlem. Disse strukturer adskilte sig væsentligt mellem mandlige og kvindelige NAS-medlemmer. Kvindenetværk var meget tættere klynget, hvilket indikerer, at en kvindelig videnskabsmand skal være mere socialt indlejret og have et stærkere støttenetværk end sine mandlige kolleger. Forskellene var systemiske nok til at tillade medlemmets køn at blive præcist klassificeret baseret på deres citationsnetværk alene.

Lerman sagde:"Vi kunne skrive en AI-algoritme, der bare ville se på citationsnetværkene og forudsige, om dette var en kvindes eller en mands citationsnetværk. Dette var ret chokerende og skuffende for os."

Som en kontrolundersøgelse så holdet også på prestigekovariatet. NAS-medlemmer tilknyttet mindre prestigefyldte institutioner er en minoritet i NAS, ligesom kvinder. Lerman sagde, "vi ville have forestillet os, at kvinders citationsnetværk måske ville ligne medlemmer fra ikke-prestigefyldte universiteter." Men det var ikke tilfældet. De observerede ingen uligheder på grund af prestige af et medlems institutionelle tilknytning.

Konklusion:baseret på en videnskabsmands citationsnetværk alene kan køn bestemmes nøjagtigt, men det kan prestigen på det universitet, som videnskabsmanden er tilknyttet, ikke. Dette tyder på, at køn fortsætter med at påvirke karrieresucces inden for videnskab, ifølge ISI-teamet.

Sådan holder man op med at blive så kort citeret

Hvorfor sker dette? Pujara sagde:"Vi ved det ikke. Det kan være, fordi der er et eller andet aspekt af køn, der ændrer samarbejdsadfærd. Eller det kan være noget ved samfundet, der former forskere og deres veje baseret på sociale skævheder. Så vi ved faktisk ikke, svar på det. Hvad vi ved er, at der er en forskel."

Det virkelige spørgsmål er:hvordan kan vi ændre det? Hvordan kan vi gøre videnskaben til et mindre fjendtligt klima for kvinder, fjerne barriererne for kvinders muligheder og skabe et miljø, der giver kvinder mulighed for at stige til tops på deres felt?

ISI-teamet håber, at deres metoder og resultater kan hjælpe. Til at starte med kunne denne undersøgelse bruges til at hjælpe forskere med at forstå, hvordan deres netværk ser ud. Derudover kunne det bruges som en måde for politiske beslutningstagere at forstå, om programmer, der sigter mod at forbedre ligestilling mellem kønnene i videnskab, virker.

Endelig, og hvad der er vigtigt, kan vi lære af disse forskelle i citatstrukturerne mellem mænd og kvinder. "For at en kvinde skal blive anerkendt, skal hun være godt indlejret og have et stærkt støttenetværk," sagde Lerman. "At mentore unge kvinder og fortælle dem, at de virkelig er nødt til at opbygge disse netværk af social støtte og være meget bevidste omkring dem" synes at være en måde at ændre formen på disse strukturer ... og formen på videnskaben. + Udforsk yderligere

Forskere finder citationsbias i publicerede artikler og beviser på, at problemet bliver værre