Commentary on ‘Four types of gender bias affecting women surgeons, and their cumulative impact’ by Hutchison
Notice bibliographique
Résumé
The central concerns of Hutchison’s1 paper are the under-representation and unequal pay of women in surgery and the role that subtle gender biases play in explaining these phenomena. My comments will focus on how well executed and important this work is and also why we need more of it to fully understand the gravity of the situation for women in surgery and how it compares with similar situations for women in other fields. Hutchison argues that women in surgery experience many subtle inequities that together help to explain their unequal representation and pay relative to men. She conducted a qualitative study that involved in-depth interviews of 46 women surgeons: fellows or trainees of the Royal Australasian College of Surgeons (RACS). Effort was taken to recruit participants who were diverse in various ways, including in their perspectives on sexual harassment in surgery. They were asked about barriers they had encountered in their careers but not specifically about whether they were targets of gender bias, implicit bias or the like. Despite not being prompted to do so, they gave responses that revealed consistent patterns of explicit sexism and of implicit gender bias, including bias that results in epistemic injustice (ie, injustice in how one is treated as a knower). For example, the …
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,010 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,048 | 0,051 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».