MétaCan
Menu
Retour à la cohorte
Enregistrement W2108542401 · doi:10.1128/mbio.00156-13

Are Men More Likely than Women To Commit Scientific Misconduct? Maybe, Maybe Not

2013· letter· en· W2108542401 sur OpenAlexaff
Anna Kaatz, Paul N. Vogelman, Molly Carnes

Notice bibliographique

RevuemBio · 2013
Typeletter
Langueen
DomaineSocial Sciences
ThématiqueAcademic integrity and plagiarism
Établissements canadiensWomen's Health Research Institute
Organismes subventionnairesNational Center for Chronic Disease Prevention and Health PromotionNational Institute of General Medical SciencesNational Institutes of Health
Mots-clésCommitMisconductPsychologyCompetence (human resources)Scientific misconductSexual misconductCriminologySocial psychologyMedicinePolitical scienceLawAlternative medicineComputer science

Résumé

récupéré en direct d'OpenAlex

In their study published in January 2013 in mBio, Fang et al. reviewed records from the Office of Research Integrity (ORI) and found more cases of scientific misconduct committed by men than women, particularly by faculty (F. C. Fang, J. W. Bennett, and A. Casadevall, mBio 4:1-3, 2013). Powerful social norms shape the way men and women behave, and implicit gender schemas can lead to different evaluation standards for men and women for tasks stereotypically linked to one gender. It is possible that norms for acceptable male and female behavior could lead to a lower threshold for men than women to engage in the risky behavior of scientific misconduct. It is also possible that women and men commit scientific fraud at the same rate but that, because crime is a male-gendered domain, evaluators require more proof of the criminal "competence" of women for an investigation to rise to the level of an ORI case or that female gender norms for likeability and a lower apology threshold more often prevent escalation of women's fraud beyond a local level. Male scientists also have more opportunity to commit fraud than female scientists because they receive more NIH research funding--a finding that may also be influenced by gender schemas. We cannot conclude from the ORI data that men are more likely than women to risk the consequences of committing scientific misconduct simply because risk taking aligns with male gender stereotypes. Neither can we conclude that because men are more likely than women to commit fraud in other contexts, men are also more likely than women to commit scientific fraud. We can conclude, however, that scientific misconduct, regardless of who commits it, diminishes all who contribute to the scientific enterprise.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,057
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,057
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,299
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineMéthodes
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemBioMême sujetAcademic integrity and plagiarismTravaux en français237 207