A new innovative method to measure the demographic representation of scientists via Google Scholar
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Many countries around the globe have seen increases in the enrollment of female and visible minorities in postsecondary education. Therefore, it is critical to evaluate whether recent demographic changes at the postsecondary institution have translated to employment opportunities in scientific fields for women and previously underrepresented groups. Instead of relying on algorithm indices, surveys, or anonymous census data, this study is the first research to utilize an innovative approach to report the demographic representation of top-ranking scientists from around the world. The recently developed Google Scholar profile platform, university ranking system, and the search engine are the main methods that allowed this study to identify and categorize the top scientists from countries in which English is one of the official languages, or where English is used as the language of instruction in higher education. Overall, findings reveal that at top-ranking universities in which the majority of the population is Caucasian, women and minorities are severely underrepresented in all areas of science, capturing 7.3% and 6.4% of the total citations, respectively. Each country’s highest concentration of scientists in each field, based on citation and percentage of researchers, is highlighted. There are recommendations offered to help make scientific advancement more favorable to underrepresented groups, and also to encourage institutions of higher education to adapt and build new capacities.
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.
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 | 0,105 | 0,178 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,030 | 0,519 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle