Evaluating equity in scholarly publishing
Notice bibliographique
Résumé
Abstract The Workplace Equity Project (WE) conducted a global survey in 2018 to map the parameters that define the scholarly publishing landscape, understand the drivers for change, and recommend solutions for delivering improved outcomes. Results find that there are imbalances in diversity inherent in the workforce (96% with a Bachelor's degree or higher, 76% female, 83% heterosexual, 81% White, and 89% report no disabilities) and that outcomes diverge for respondents based on their gender and ethnicity, highlighting distinct inequities in the workplace. The leadership profile is more male (33% vs. 21%), and more White (91% vs. 81%) than the sample as a whole. Moreover, those respondents with characteristics more reflective of the leadership profile are more likely to report that they believe they are fairly compensated, recognized by the leadership, and have fair opportunities for advancement. The article recommends improvements to current practice in recruitment, sponsorship and advocacy, and staff retention to drive change towards creating a more equitable, inclusive workforce. Key points Senior leaders in scholarly publishing are more likely to be older, White males with master's degrees. The chances of attaining a senior position in scholarly publishing are higher for White males with no tertiary‐level qualifications than for Black females with postgraduate degrees. Most demographic groups (with the exception of the Black cohort) recognize their own challenges but are blind to the bias experienced by other groups. Direct line management practice defines individual experience irrespective of organizational policy. White and Asian males are more likely to be satisfied with career prospects and rewards than other groups. White women are more likely to be satisfied with their current positions than other groups. Job satisfaction in scholarly publishing varies according to ethnicity and gender, and companies have a duty to be more inclusive and diverse in their employment.
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 | 0,100 | 0,243 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,013 | 0,012 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».