Perceptions and experiences of a gender gap at a Canadian research institute and potential strategies to mitigate this gap: a sequential mixed-methods study
Notice bibliographique
Résumé
BACKGROUND: The gender gap in academia is long-standing. Failure to ensure that our academic faculty reflect our student pool and national population deprives Canada of talent. We explored the gender distribution and perceptions of the gender gap at a Canadian university-affiliated, hospital-based research institute. METHODS: We completed a sequential mixed-methods study. In phase 1, we used the research institute's registry of scientists (1999-2014) and estimated overall prevalence of a gender gap and the gap with respect to job description (e.g., associate v. full-time) and research discipline. In phase 2, we conducted qualitative interviews to provide context for phase 1 data. Both purposive and snowball sampling were used for recruitment. RESULTS: = 70) were clinicians; there were 54.2% more male than female clinician scientists. Ninety-five percent of basic scientists were men, indicating a 90.5% gap. Seven key themes emerged from 21 interviews, including perceived impact of the gender gap, factors perceived to influence the gap, recruitment trends, presence of institutional support, mentorship and suggestions to mitigate the gap. Several factors were postulated to contribute to the gender gap, including unconscious bias in hiring. INTERPRETATION: A substantial gender gap exists within this research institute. Participants identified strategies to address this gap, such as establishing transparent search processes, providing opportunities for informal networking and mentorship of female scientists and establishing institutional support for work-life balance.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».