The Gender of COVID-19 Experts in Newspaper Articles: A Descriptive Cross-Sectional Study
Notice bibliographique
Résumé
Abstract Background: Pre-existing gender-based disparities in academia may have worsened during the COVID-19 pandemic. There is anecdotal and peer-reviewed evidence that women in academia have been underrepresented in prestigious, pandemic-related opportunities. Being citated as an expert source in newspaper articles about COVID-19 may increase an individual's research or leadership profile. In addition, visibility in a newspaper article is an important component of representation in academia. Objective: We sought to determine whether women were underrepresented as COVID-19 expert sources in print newspapers in the United States. Design: We undertook a cross-sectional study of English-language newspaper articles that addressed the COVID-19 pandemic that were published in the top ten most widely read newspapers in the United States between Apr 1 and Apr 15, 2020. Main Measures: We extracted the names of all people cited as expert sources and categorized each expert sources as men, women, or another gender based on pronoun usage within the article or on a business, university, or organization website. Key Results: Of 2,297 expert sources identified, 35.9% (95% CI 33.9-37.8%; n=824) were women, 63.7% were men (95% CI 61.8-65.7%; n=1,464) and for 0.4%, gender could not be assigned (n=9). After removing duplicate experts, 1,738 unique individuals were cited, of which 34.6% were women (95% CI 32.3-36.8%; n=601), 64.9% were men (95% CI 62.7-67.1%; n=1,128), and 0.05% whose gender was unknown (n=9). Of articles with multiple experts referenced (n=374), 102 cited only men experts (27.3%) and 44 cited only women experts (11.8%).Conclusions: Altogether, this result supports that men are overrepresented compared to women as COVID-19 experts in newspaper articles.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».