Are we failing female and racialized academics? A Canadian national survey examining the impacts of the COVID‐19 pandemic on tenure and tenure‐track faculty
Notice bibliographique
Résumé
The novel coronavirus 2019 (COVID-19) pandemic caused the abrupt curtailment of on-campus research activities that amplified impacts experienced by female and racialized faculty. In this mixed-method study, we systematically and strategically unpack the impact of the shift of academic work environments to remote settings on tenured and tenure-track faculty in Canada. Our quantitative analysis demonstrated that female and racialized faculty experienced higher levels of stress, social isolation and lower well-being. Fewer women faculty felt support for health and wellness. Our qualitative data highlighted substantial gender inequities reported by female faculty such as increased caregiving burden that affected their research productivity. The most pronounced impacts were felt among pre-tenured female faculty. The present study urges university administration to take further action to support female and racialized faculty through substantial organizational change and reform. Given the disproportionate toll that female and racialized faculty experienced, we suggest a novel approach that include three dimensions of change: (1) establishing quantitative metrics to assess and evaluate pandemic-induced impact on research productivity, health and well-being, (2) coordinating collaborative responses with faculty unions across the nation to mitigate systemic inequities, and (3) strategically implementing a storytelling approach to amplify the experiences of marginalized populations such as women or racialized faculty and include those experiences as part of recommendations for change.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».