Leadership gender disparity in the fifty highest ranking North American universities: Thematic analysis under a theoretical lens
Notice bibliographique
Résumé
BACKGROUND: Despite changes in the discourse around gender distributions within academic leadership, women continue to be under-represented in academia. Our study aims to identify the extent of gender disparity in the academic leadership in the top 50 North American universities and to critically analyse the contributing factors through a comprehensive theoretical framework. METHODS: We adopted the theoretical framework of leadership continuum model. A retrospective analysis of the gender of the leadership ranks was conducted between December 2018 and March 2019 for the top 50 universities in North America (2019 Quacquarelli Symonds World University Ranking system). The leadership hierarchy was classified into six tiers. RESULTS: A total of 5806 faculty members from 45 US and five Canadian universities were included. Women were overall less likely to be in a senior leadership role than men (48.7% vs 51.3%; p value=0.05). Women accounted for fewer positions than men for resident/chancellor (23.8% vs 76.2%; p value<0.001), vice-president/vice-chancellor (36.3% vs 63.7%; p value<0.001), vice provost (42.7% vs 57.3%; p value=0.06), dean (38.5% vs 61.5%; p value<0.001) and associate dean (48.2% vs 51.8%; p-value=0.05). Women however were in a greater proportion in the assistant dean positions (63.8% vs 36.2%; p value<0.001). CONCLUSION: Leadership gender imbalance is trans-organisational and transnational within the top 50 universities of North America and progressively widens towards the top leadership pyramid. This correlates with the lack of women leadership progress and sustainability in later cycles of the leadership continuum model (beyond assistant dean).
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 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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».