Progress in Gender Equality within the Realm of Scientific Academia Illustrated by the Career and Life of Neuroscientist Patricia Goldman-Rakic
Notice bibliographique
Résumé
Gender inequality has been a constant struggle for women throughout history with victories few and far between. The movement for women’s rights emerged with the anti-slavery movement in the mid-1800s; however, it wasn’t until the late 1800s that women were allowed to grace the distinguished and revered lecture halls of higher education, and not until 1920 that women gained the right to formally matriculate and attain degrees. Upon commencement of women into the ranks of academia, the necessity to secure women’s rights for higher education appeared to be satiated. However, gender discrimination continued to plague particular fields of study, specifically the sciences, hindering explosive development and inhibiting potential innovative advancements. Although great progress has been made to increase the ranks of women in academia over the last couple decades, women remain underrepresented in faculty positions within scientific fields of study. The field of Neuroscience, although primarily male dominated, has had a few significant leading women pioneers who have courageously revolutionized the parameters of the science despite the strong opposition of the gender barriers. This paper aims to expose the underlying motives that perpetuate the gender bias in the field of neuroscience and explore the progress that has been made through the exemplary career and life of world-renowned and highly-respected neuroscientist Patricia Goldman-Rakic.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».