Gender disparity in prestigious speaking roles: A study of 10 years of international conference programming in the field of gambling studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The objective of this study was to examine the distribution of prestigious speaking roles by gender at gambling studies conferences to better understand the state of gender representation within the field. Keyword searches were conducted in the fall of 2019. A total of 16 conferences that occurred between 2010-2019 and comprising 882 prestigious speaking opportunities were included. Quantitative analysis (i.e., t-tests, chi-squared posthoc tests) was undertaken to evaluate the representation of women speakers and if proportions were the same across genders for speakers. There were significantly less women than men within prestigious speaking roles at gambling studies conferences with only 30.2% of speakers being women (p < .001). This underrepresentation of women was consistent across conference location, speaker continent, speaker role, time, and across the majority of conferences. Women held prestigious speaking roles less frequently than men (M = 1.48 vs. 1.76; p < .001). A 9 to 1 (p < .001) ratio of men to women was found among top 10 most frequent prestigious speakers. While there was a higher proportion of women than men among student speakers and there was no significant gender disparity among early career researchers, there was a significantly lower proportion of women than men among speakers who hold more senior academic positions. There is an issue of gender disparity in prestigious speaking roles at conferences within the gambling studies field. This study highlights the need to counteract gender disparities and make room for diversity within the field.
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.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle