Granting Inequities: Racialization and Gender Differences in Social Science and Humanities Research Council of Canada's Grant Amounts for Research Elites
Notice bibliographique
Résumé
Abstract: This paper explores inequities in the Social Science and Humanities Research Council of Canada (SSHRCC) grant amounts awarded to successful applicants in Canada's universities. Specifically, the study seeks to discern whether ethnicity and gender matter for amounts of SSHRCC's award decisions using compiled SSHRCC data and names of successful grant applicants to generate a large sample from 1998 to 2018. Although the importance of ethnicity along with gender and region, as well as institutional factors such as discipline and status of an applicant's university are explored in relation to higher education institutions' applicants, our focus is on effects of racialization on SSHRCC's decisions. We find that several factors affect the amount of grants awarded and that racialized applicants, especially men, have tended to receive less funding than non-racialized applicants over this period. In addition, on the one hand, the grant amount for racialized minorities has decreased in recent years. On the other hand, racialized women applicants received higher grant amounts than their counterparts, and particularly in recent years. Conceptual, empirical, methodological, and policy implications of these findings are discussed. Résumé: Cet article explore les inégalités dans les montants des subventions accordées par le Conseil de recherches en sciences humaines du Canada (CRSH) aux candidats retenus dans les universités canadiennes. Plus précisément, l'étude vise à déterminer si l'origine ethnique et le sexe ont une incidence sur le montant des subventions accordées par le CRSH, en utilisant les données compilées du CRSH et les noms des candidats retenus pour générer un vaste échantillon de 1998 à 2018. Bien que l'importance de l'ethnicité, du sexe et de la région, ainsi que des facteurs institutionnels tels que la discipline et le statut de l'université d'un candidat soient explorés par rapport aux candidats des établissements d'enseignement supérieur, nous centrons notre analyse sur les effets de la racialisation dans les décisions du CRSH. Nous postulons que plusieurs facteurs affectent le montant des subventions accordées et que les candidats racialisés, en particulier les hommes, ont tendance à recevoir moins de financement que les candidats non racialisés au cours de cette période. En outre, d'une part, le montant des subventions accordées aux minorités racialisées a diminué au cours des dernières années. D'autre part, les femmes racialisées candidates ont reçu un montant de subvention plus élevé que leurs homologues, en particulier au cours des dernières années. Les implications conceptuelles, empiriques, méthodologiques et politiques de ces résultats sont discutées.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».