MétaCan
Menu
Retour à la cohorte
Enregistrement W3125676971 · doi:10.1177/23780231211006977

The Pandemic Penalty: The Gendered Effects of COVID-19 on Scientific Productivity

2021· article· en· W3125676971 sur OpenAlexafffund
Molly M. King, Megan E. Frederickson

Notice bibliographique

RevueSocius Sociological Research for a Dynamic World · 2021
Typearticle
Langueen
DomaineDecision Sciences
Thématiquescientometrics and bibliometrics research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of TorontoRadcliffe Institute for Advanced Study, Harvard UniversitySanta Clara University
Mots-clésProductivityPandemicPrestigePromotion (chess)Coronavirus disease 2019 (COVID-19)Political scienceSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)SociologyDemographic economicsPublic relationsEconomicsEconomic growthLawMedicine

Résumé

récupéré en direct d'OpenAlex

Academia serves as a valuable case for studying the effects of social forces on workplace productivity, using a concrete measure of output: scholarly papers. Many academics, especially women, have experienced unprecedented challenges to scholarly productivity during the coronavirus disease 2019 (COVID-19) pandemic. The authors analyze the gender composition of more than 450,000 authorships in the arXiv and bioRxiv scholarly preprint repositories from before and during the COVID-19 pandemic. This analysis reveals that the underrepresentation of women scientists in the last authorship position necessary for retention and promotion in the sciences is growing more inequitable. The authors find differences between the arXiv and bioRxiv repositories in how gender affects first, middle, and sole authorship submission rates before and during the pandemic. A review of existing research and theory outlines potential mechanisms underlying this widening gender gap in productivity during COVID-19. The authors aggregate recommendations for institutional change that could ameliorate challenges to women’s productivity during the pandemic and beyond.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,128
score de la tête « metaresearch » (Gemma)0,474
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie, Études des sciences et des technologies, Communication savante
Catégories consensuellesMétarecherche, Études des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,547
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1280,474
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,086
Études des sciences et des technologies0,0050,006
Communication savante0,0020,000
Science ouverte0,0040,002
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,776
Tête enseignante GPT0,661
Écart entre enseignants0,115 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocius Sociological Research for a Dynamic WorldMême sujetscientometrics and bibliometrics researchTravaux en français237 207