Overstaying our welcome: On the rise of women's seniority in the academy
Notice bibliographique
Résumé
Abstract Issues surrounding gender equality are—and should be—front and centre in the water resources community, and other science, technology, engineering and mathematics (STEM) fields. Very necessarily, the focus tends to be on recruitment, offering support for students and early career academics. The leaky pipeline concept used to describe the incremental loss of women from STEM fields with career duration describes a disproportionate loss of senior women, creating a parallel problem where highly qualified, top tier academics are lost from the system after significant financial and personnel investment by institutions. Ultimately, the leaky pipeline undermines the extensive investment of the hydrology and other STEM communities in equity, diversity, inclusion and accessibility (EDIA) recruitment and retention programmes by cutting short career ambitions and the trajectories of diverse top performing individuals, resulting in no net benefit of EDIA policy investments and a lack of diversity with seniority. Addressing this critical gender gap requires the attention and support of the hydrology community of practice with specific focus on generating opportunities for advancement, confronting systemic and structural biases and improving education around allyship. Institutions and professional organizations need to consciously grow diversity in leadership and recognize and outwardly manage the perception of academic excellence around slow research and education that attracts increased diversity. Supporting allyship, reducing competitiveness among community members and reinforcing collaboration will not only attract, but retain, a higher proportion of diversity in the hydrology community, academia and STEM professions in general. It is time for the water resources (and other STEM) communities to demand broader accountability and recognition of the barriers to women, implement and reward more diverse definitions of research excellence, and offer allyship training to the community of practice at large.
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 | 0,010 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,032 | 0,011 |
| Communication savante | 0,017 | 0,008 |
| Science ouverte | 0,002 | 0,017 |
| Intégrité de la recherche | 0,006 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,004 |
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 ».