Poisson models for publications, leadership and recognition awards in the American Academy of Neurology
Notice bibliographique
Résumé
We sought to study sex with respect to publications, leadership and recognition awards in the American Academy of Neurology (AAN) in light of recent research highlighting inequities in these domains. Methods: We examined medical school graduation, neurology residency (using American Medical Association and the American Council for Graduate Medical Education), membership in the AAN, first and last authorship in Neurology, membership on AAN committees, and AAN recognition awards, by sex, in 1997, 2007, 2017. Results: Female medical students were less likely to enter neurology residency in 1997 only. In 2007 and 2017, there was no proportionate difference between men and women as last author, a surrogate for senior member of the author panel. In 2017, women were proportionately more likely to be first authors than men, a surrogate for principal investigator of the study. Committee membership was less for women in 1997 and 2007 (P <0.001) but was not proportionately different in 2017 (P=0.534). Women were proportionately more likely to receive recognition awards in all years studied (1997 p=0.008, 2007 p<0.001. 2017 p <0.001) although absolute numbers of women were less. Conclusions: Female membership, leadership (through committee membership), publications as last author were less in 1997 in the AAN. These same metrics demonstrated substantial proportionate changes, with no differences in last author in 2007 and 2017, greater likelihood for women to be first author in 2017, no differences in committee membership in 2017 and greater likelihood of receiving awards determined by merit in all three years.
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 | 0,037 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,003 |
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 ».