Gender Disparity in Academic Rank and Productivity Among Public Health Physician Faculty in North America
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
Background The issue of gender disparity is particularly important in the domain of public health where the tone of its leadership is pivotal in bringing about impactful change to research, policies, and the wellbeing of our various populations. Our aim is to explore the gender disparity of author metrics and academic rankings of public health physician faculty through a cross-sectional study. Methods Data collection for this retrospective cross-sectional study took place during June and July of 2017. Public health and preventive medicine residency training programs in the United States and Canada were to compiled and all faculty members that met the inclusion criteria were recorded (n = 973). Variables of interest include gender, h-index, years of active research, and academic appointments. SCOPUS database (Elsevier, Amsterdam, the Netherlands) was used to generate author metrics, and all statistical tests were performed using Statistical Package for the Social Sciences (SPSS) software version 20 (IBM Corp., Armonk, NY). Results Overall, 31.14% (n = 303) of faculty members we studied were from Canada, and 68.86% (n = 670) were from the United States. In both countries, males made up the majority of all faculty members. Female faculty comprised most of the early career positions, and their proportions tapered off with higher academic rank, whereas male faculty trended in the opposite direction. Males generally were higher in all academic measures across all appointments. Conclusions Gender disparity exists within the North American public health and preventive medicine discipline. There are underlying factors preventing women from moving beyond early career positions or engaging in academic research.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle