Presenters at chiropractic research conferences 2010–2019: is there a gender equity problem?
Notice bibliographique
Résumé
BACKGROUND: Presenting at professional and scientific conferences can be an important part of an individual's career advancement, especially for researchers communicating scientific findings, and can signal expertise and leadership. Generally, women presenting at conferences are underrepresented in various science disciplines. We aimed to evaluate the gender of presenters at research-oriented chiropractic conferences from 2010 to 2019. METHODS: We investigated the gender of presenters at conferences hosted by chiropractic organisations from 2010 to 2019 that utilised an abstract submission process. Gender classification was performed by two independent reviewers. The gender distribution of presenters over the ten-year period was analysed with linear regression. The association of conference factors with the gender distribution of presenters was also assessed with linear regression, including the gender of organising committees and abstract peer reviewers, and the geographic region where the conference was hosted. RESULTS: From 39 conferences, we identified 4,340 unique presentations. Women gave 1,528 (35%) of the presentations. No presenters were classified as gender diverse. Overall, the proportion of women presenters was 30% in 2010 and 42% in 2019, with linear regression demonstrating a 1% increase in women presenting per year (95% CI = 0.4-1.6%). Invited/keynote speakers had the lowest proportion of women (21%) and the most stagnant trajectory over time. The gender of conference organisers and abstract peer reviewers were not significantly associated with the gender of presenters. Oceanic conferences had a lower proportion of women presenting compared to North America (27% vs. 36%). CONCLUSIONS: Overall, women gave approximately one-third of presentations at the included conferences, which gradually increased from 2010 to 2019. However, the disparity widens for the most prestigious class of keynote/invited presenters. We make several recommendations to support the goal of gender equity, including monitoring and reporting on gender diversity at future conferences.
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 | 0,033 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».