Characterizing Global Gender Representation in Veterinary Executive Leadership
Notice bibliographique
Résumé
Veterinary medicine is an increasingly feminized field, with growing numbers of veterinary students and professionals identifying as women. Increased representation of women in senior veterinary education leadership has not yet been examined across all global regions. To address this question, we compiled a comprehensive list of veterinary academic executives from veterinary educational institutions listed by the World Veterinary Association, the American Veterinary Medical Association, and the World Organisation for Animal Health. In total, data from 720 veterinary schools in 118 countries were obtained via an online search of each school's webpage to retrieve information on executive-level leaders and their gender representation. Out of 2,263 executive leaders included, 784 (34.6%) were inferred to be women. Of 733 top executives-deans or their equivalents-187 (25.5%) were inferred to be women. At the national level, the proportion of women in executive teams was positively correlated with Gross Domestic Product, Gender Development Index, and negatively correlated with Gender Inequality Index. This is the first study to demonstrate inequity in the gender composition of veterinary educational leadership across the majority of veterinary schools worldwide, and regional trends thereof. It also identifies potential socioeconomic issues closely connected to gender equity in these spaces. To monitor progress toward gender equity within the profession, future work is needed to assess gender representation over different phases of veterinary career tracks, including in student populations. Analysis of gendered trends over time will also help to establish trends and evaluate progress in gender equity.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».