Female researchers are under-represented in the Colombian science infrastructure
Notice bibliographique
Résumé
Worldwide women have increased their participation in STEM, but we are still far from reaching gender parity. Although progress can be seen at the bachelor's and master's level, career advancement of women in research still faces substantial challenges leading to a 'leaky pipeline' phenomenon (i.e., the continuous decrease of women's participation at advanced career stages). Latin America exhibits encouraging rates of women participation in research, but the panorama varies across countries and stages in the academic ladder. This study focuses on women's participation in research in natural sciences in Colombia and investigates career progression, leadership roles, and funding rates by analyzing data on scholarships, grants, rankings, and academic positions. Overall, we found persistent gender imbalances throughout the research ecosystem that were significant using classical statistical analyses. First, although women constitute >50% graduates from bachelors in natural sciences, <40% of researchers in this field are female. Second, women win <30% of research grants, and in turn, their scientific productivity is 2X lower than that of men. Third, because of the less research funding and output women have, their promotion to senior positions in academic and research rankings is slower. In consequence, only ~25% of senior researchers and full professors are women. Fourth, the proportion of women leading research groups and mentoring young scientist in Colombia is <30%. Our study deepens our understanding of gender gaps in STEM research in Colombia, and provides information to design initiatives that effectively target gender disparities by focusing on key areas of intervention, and then gradually building up, rather than tackling structural inequities all at once.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».