Equity and Game-Theory Strategies to Promote Gender Diversity and Inclusion in an Academic Health Science Centre
Notice bibliographique
Résumé
BACKGROUND: Achieving diversity, inclusion, and gender equity remains an elusive challenge for many institutions worldwide and is understudied in Canadian academic health science centres. METHODS: McMaster University's Department of Medicine undertook surveys and analyses to determine whether there was inequity in leadership positions and salaries, or unprofessional behaviour within the department. Measures of academic productivity in relation to gender for both educators and researchers were analyzed. The department began shifting policies to foster greater gender diversity and inclusion. A revision of the leadership selection process, incorporating tenets of equity and a new game theory-based strategy called Diversitive Agreement Versus Nash Equilibrium (DAvNE) was evaluated. RESULTS: The department's survey revealed underrepresentation of women and people of colour in leadership positions, with perceived barriers to their promotion. Both women and people of colour reported experiencing unprofessional behaviour directed toward them. A gender gap in base salary was observed, with female full professors being paid less. No difference in academic productivity was seen between male and female educators or researchers. The leadership competitions conducted under new selection processes emphasizing diversity resulted in 66% of participating women securing a leadership position, in comparison to 25% of participating men. People of colour made up 27% of members participating in these leadership competitions, but none was successful in obtaining a position. CONCLUSIONS: Diversity and inclusion disparities in the Department of Medicine at McMaster University indicate a need for further efforts and innovation to bring about greater gender and racial equity.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,055 |
| 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 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 ».