The Effect of Gender and Funding on Research Performance
Notice bibliographique
Résumé
In spite of various improvements and increasing involvement of female researchers in scientific \nactivities in recent years, the gender gap still persists and women remain greatly \nunderrepresented in technology, engineering, and computer science fields. This thesis attempts \nto shed some light on the effect of gender and funding on research output of Canadian \nresearchers in natural sciences and engineering. In this research, using NSERC and Scopus \ndata from 1982 to 2018, we apply descriptive statistical analysis and regression analysis to \nstudy the influence of funding and gender on the quantity of published journal papers and their \nscientific impact. The study concludes that funding has a positive impact on both the number \nof papers published and the number of citations received by their respective author. However, \nwe also observe that as career age of authors increases, researchers become less productive, \nthey publish less papers and their citation counts slightly diminish with time as well, even \nthough their funding amounts typically increase. In terms of gender, even though we find that \nfemale researchers are indeed greatly underrepresented and receive lower amounts of funding \nthan their male counterparts, they produce on average similar number of articles with similar \nscientific impact. This means that female researchers can generate comparable research output \nwith lower research costs compared to male researchers and are thus more efficient in their \nresearch production. These findings suggest that governmental funding agencies should \nintroduce more effective gender-related funding strategies and greater support for early-career \nresearchers.
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 | 0,018 | 0,117 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».