MétaCan
Menu
Retour à la cohorte
Enregistrement W4210251687 · doi:10.1111/ele.13976

An intersectionality lens is needed to establish a global view of equity, diversity and inclusion

2022· article· en· W4210251687 sur OpenAlexaff
Rassim Khelifa, Hayat Mahdjoub

Notice bibliographique

RevueEcology Letters · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésIntersectionalityEquity (law)Inclusion (mineral)Diversity (politics)CurrencySocioeconomic statusPublic relationsSociologyFace (sociological concept)Political scienceSocial scienceGender studiesEconomicsPopulationLaw

Résumé

récupéré en direct d'OpenAlex

Equity, diversity, and inclusion (EDI) have become essential considerations in different academic fields in recent years, attracting an increasing number of voices and perspectives from different groups. There is a need for an intersectionality framework that is inclusive of both the local and global diversity of researchers. Here, we present an intersectionality framework called KLOB which structures barriers to academic success into four components: knowledge exchange (K), language (L), obligations (O), and biases (B), and thus helps to think about the cumulative effect of multiple barriers that individuals from different backgrounds encounter to succeed in academic activities such as scientific publishing, which is the primary currency of academic success in our current system. This framework highlights both local and global disparities in socioeconomic, linguistic, and discriminatory factors that determine the opportunity of individual researchers to succeed in academia. We emphasise that individual researchers have no control over most barriers they face because of where and how they were born. Implementing solutions to address barriers associated with KLOB requires a multiscale vision and initiatives that tackle local and global inequities.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0060,000
Communication savante0,0000,000
Science ouverte0,0000,017
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,092
Tête enseignante GPT0,333
Écart entre enseignants0,241 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations26
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetGender Diversity and InequalityTravaux en français237 207