Gender and Publishing in Nursing: A secondary analysis of h‐index ranking tables
Notice bibliographique
Résumé
AIMS: To analyse published ranking tables on academics' h-index scores to establish whether male nursing academics are disproportionately represented in these tables compared with their representation across the whole profession. BACKGROUND: Previous studies have identified a disproportionate representation of UK male nursing academics in publishing in comparison to their US counterparts. DESIGN: Secondary statistical analysis, which involved comparative correlation of proportions. METHODS: Four papers from the UK, Canada and Australia containing h-index ranking tables and published between 2010-2017, were re-analysed in June 2017 to identify authors' sex. Pearson's chi-squared test was applied to ascertain whether the number of men included in the tables was statistically proportionate to the number of men on the pertinent national professional register. FINDINGS: There was a disproportionate number of men with high h-index scores in the UK and Canadian data sets, compared with the proportion of men on the pertinent national registers. The number of men in the Australian data set was proportionate with the number of men on the nursing register. There was a disproportionate number of male professors in UK universities. CONCLUSION: The influence of men over nursing publishing in the UK and Canada outweighs their representation across the whole profession. Similarly, in the UK, men's representation in the professoriate is disproportionately great. However, the Australian results suggest that gender inequality is not inevitable and that it is possible to create more egalitarian nursing cultures. This article is protected by copyright. All rights reserved.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».