His opportunity, her burden: A narrative critical review of why women decline academic opportunities
Notice bibliographique
Résumé
OBJECTIVES: This paper stems from a desire to deepen our own understanding of why women might 'say no' when allies and sponsors offer or create opportunities for advancement, leadership or recognition. The resulting disparity between representation by men and women in leadership positions, invited keynote speakers and publication counts in academic medicine is a stubborn and wicked problem that requires a synthesis of knowledge across multidisciplinary literature. Acknowledging the complexity of this topic, we selected a narrative critical review methodology to explore reasons why one man's opportunity might be a woman's burden in academic medicine. METHODS: We engaged with an iterative process of identifying, reviewing and interpreting literature from Psychology (cognitive, industrial and educational), Sociology, Health Professions Education and Business, placing no restrictions on context or year of publication. Knowledge synthesis and interpretation were guided by our combined expertise, lived experience, consultations with experts outside the author team and these guiding questions: (1) Why might women have less time for career advancement opportunities? (2) Why do women have less time for research and leadership? (3) How are these disparities maintained? RESULTS: Turning down an opportunity may be a symptom of a much larger issue. The power of social expectations, culture and gender stereotypes remains a resistant force against calls for action. Consequently, women disproportionately take on other tasks that are not as well recognised. This disparity is maintained through social consequences for breaking with firmly entrenched stereotypes. CONCLUSIONS: Popular strategies like 'lean into opportunities', 'fake it till you make it' and 'overcome your imposter syndrome' suggest that women are standing in their own way. Critically, these axioms ignore powerful systemic barriers that shape these choices and opportunities. We offer strategies that allies, sponsors and peers can implement to offset the power of stereotypes.
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 | 0,048 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,014 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».