Studying the gender gap in academic research production among Canadian university professors using the multilevel approach to gender inequalities framework
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 gender gap in academic research production has been demonstrated through various methods and geographical contexts. Previous research has yielded conflicting results concerning the effect of gender as a stand-alone variable on research production and primarily focused on other individual and organizational variables to explain this gap. We seek to clarify the influence of gender-related variables on academic research production, operationalized as journal article equivalents published three years prior to the survey. Using a stratified sample of 2,968 full-time Canadian university professors (49% men, 49% women; 30 to 89 years of age, M = 56, SD = 10.17) from the Academic Profession in the Knowledge Society survey, we analyzed the effect of 15 gender-related predictors on research production and measured the variance of research production explained by the combination of these predictors. Through multiple linear regressions, our findings indicate that gender as an isolated variable is a weak yet significant predictor (ß = .04; p < .05) of research production, and that a large proportion of variance (R2 = .33) is explained by a combination of gender-related variables, such as collaborations, workload division and academic rank. Contrary to what has often been assumed, the gender gap in academic research production is not adequately understood through the effect of gender as a stand-alone variable and gains clarity when we use the ‘multilevel approach to gender inequalities’ conceptual framework, which enlightens the understanding of this phenomenon as a part of the intersection and reinforcement of individual, interactional, organizational, systemic, and cultural institutional factors.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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