Terminology in ecology and evolutionary biology disproportionately harms marginalized groups
Notice bibliographique
Résumé
Abstract The discipline of ecology and evolutionary biology (EEB) has long grappled with issues of inclusivity and representation, particularly for individuals with systematically excluded and marginalized backgrounds or identities. For example, significant representation disparities still persist that disproportionately affect women and gender minorities; Black, Indigenous, and People of Color; individuals with disabilities; and people who are LGBTQIA+. Recent calls for action have urged the EEB community to directly address issues of representation, inclusion, justice, and equity. One aspect of this endeavor is to examine the use of EEB’s discipline-specific language and terminology, which may have the potential to perpetuate unjust systems and isolate marginalized groups. Through a mixed-methods survey, we examined how members of the EEB community perceive discipline-specific terminology, including how they believe it can be harmful and which terms they identified as problematic. Of the 795 survey respondents, we found that almost half agreed that there are harmful terms in EEB, and that many individuals from marginalized groups responded that they have been harmed by such terminology. Most of the terms identified as harmful relate to race, ethnicity, and immigration; sex and gender; geopolitical hierarchies; and historical violence. Our findings suggest there is an urgent need for EEB to confront and critically reassess its discipline-specific terminology. By identifying harmful terms and their impacts, our study represents a crucial first step toward dismantling deeply rooted exclusionary structures in EEB. We encourage individuals, communities, and institutions to use these findings to reevaluate language used in disciplinary research, teaching and mentoring, manuscripts, and professional societies. Rectifying current harms in EEB will help promote a more just and inclusive discipline.
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 | 0,017 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,022 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».