Visual imagery and STEM occupational attainment: Gender matters
Notice bibliographique
Résumé
Science, technology, engineering and mathematical (STEM) occupations are widely recognized as important for innovation and economic growth, yet there is a STEM labour shortage, particularly among women. We examined how individual differences in visual imagery relate to characteristics of STEM occupations using a novel coding scheme for the dimensional quantification of occupational attributes. In a discovery cohort of 4545 online participants, we found that spatial thinking positively associated with STEM occupations across genders. Object imagery (mnemonic vividness), however, was negatively associated with STEM occupations that require computational processes, such as software engineers. This negative association was present for males, but not females. We extended and replicated these findings in samples of 1891 individuals with aphantasia (congenitally low imagery) and 186 university undergraduates. Consistent with experimental, observational, and neurobiological evidence of a potentially competitive relationship between imagery and reasoning, these results suggest a role for nonspatial, nonvisual abstract analytic abilities in computational STEM disciplines independent of spatial imagery. These abilities promote computational STEM achievement in males but not females, who may be biased away for social reasons. Visual imagery style could serve as a marker of STEM potential, and selection into computational STEM may draw on skills distinct from other STEM fields. • Spatial vs. object visual imagery differentially relate to STEM achievement. • Spatial imagery is positively related to STEM achievement in males and females. • Object imagery is negatively related to computational STEM achievement, but only for males. • Females with high computational abilities are less likely than males to advance in computational STEM professions.
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 ».