Translating interdisciplinary knowledge for gender equity: Quantifying the impact of NSF ADVANCE
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
Abstract Background Interdisciplinarity is often hailed as a necessity for tackling real‐world challenges. We examine the prevalence and impact of interdisciplinarity in the NSF ADVANCE program, which addresses gender equity in STEM. Methods Through a quantitative analysis of authorship, references, and citations in ADVANCE publications, we compare the interdisciplinarity of knowledge produced within the program to traditional disciplinary knowledge. We use Simpon's Diversity Index to test for differences across disciplines, and we use negative binomial regression to capture the potential influences of interdisciplinarity on the long‐term impact of ADVANCE publications. Results ADVANCE publications exhibit higher levels of interdisciplinarity across three dimensions of knowledge integration, and cross‐disciplinary ties within ADVANCE successfully integrate social science knowledge into diverse disciplines. Additionally, the interdisciplinarity of publication references positively influences the impact of ADVANCE work, while the interdisciplinarity of authorship teams does not. Conclusions These findings emphasize the significance of interdisciplinarity in problem‐oriented knowledge production, indicating that specific forms of interdisciplinarity can lead to broader impact. By shedding light on the interplay between interdisciplinary approaches, disciplinary structures, and academic recognition, this article contributes to programmatic design to generate impactful problem‐solving knowledge that also adds to the academic community.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 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 découle