Geoscience academic hiring networks reinforce historic patterns of inequity
Notice bibliographique
Résumé
Abstract An analysis of the academic hiring networks in geoscience reveals a severe imbalance that favors graduates from a small handful of institutions. In this study, social network analysis was conducted on a database consisting of every individual with a Ph.D. working in a geoscience degree-granting program in the United States (n = 6694) between 2015 and 2021. Individuals were mapped from the institution where they earned their Ph.D. to the institution where they currently work. Of the 895 geoscience degree-granting institutions included in the database, 10 alone produced nearly a quarter (24.6%) of the entire academic geoscience workforce. Network analysis also identified a small, closed network consisting of five of the top-10 institutions, which suggests that these networks hire more frequently from one another than from other institutions in the network. When academic rank was used to analyze the network for change over time, no significant shift in the hiring patterns was found. These imbalances in faculty production disadvantage scientists who are educated at programs other than the top-placing institutions and ultimately reinforces longstanding inequities in the field, such as the underrepresentation of people who are Black, Indigenous, People of Color (BIPOC), and first-generation college students in geoscience faculty. These patterns of inequity have also been shown to limit the spread of new scientific ideas throughout research communities.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».