Het is 2022 en vrouwen in de wetenschap hebben nog steeds minder kans dan hun mannelijke leeftijdsgenoten om aangenomen en gepromoveerd te worden. Vrouwen worden minder vaak begeleid door vooraanstaande docenten, ze publiceren in minder prestigieuze tijdschriften, hebben minder medewerkers, zijn ondervertegenwoordigd onder tijdschriftrecensenten en -editors, en hun artikelen worden minder citaten. Hoe gebeurt dit?

Kristina Lerman, hoofdwetenschapper van het Information Sciences Institute (ISI) van het USC en haar team gebruikten AI om antwoorden op deze vraag te vinden. Het resulterende artikel is gepubliceerd in het collegiaal getoetste, multidisciplinaire wetenschappelijke tijdschrift Proceedings of the National Academy of Sciences (PNAS ) op 26 september 2022.

Als vrouw in de wetenschap kent Lerman de wereld waarin ze werkt, maar zelfs zij was geschokt door de statistieken die ze onlangs leerde:slechts 2% van de Nobelprijswinnaars in de natuurkunde is vrouw (tot een paar jaar geleden was dat 1%) en die cijfers zijn vergelijkbaar in veel wetenschappelijke gebieden. Lerman zei:"slechts 7% van de Nobelprijswinnaars in de chemie is een vrouw! Vrouwen werken al zo lang in de chemie, dus hoe komt dat? We waren benieuwd naar deze discrepantie."

Juiste gegevens, juiste tijd

Lerman had de juiste dataset voor het probleem. Sinds 2019 werkten zij en haar team aan een groot project dat AI gebruikte om de reproduceerbaarheid van onderzoekspapers te voorspellen. Het ISI-team gebruikte AI om veel aspecten van wetenschappelijke artikelen te analyseren, inclusief de citaten, om reproduceerbaarheid te voorspellen. Ze publiceerden het artikel "Assessing Scientific Research Papers with Knowledge Graphs" bij ACM SIGIR 22 (de Association for Computing Machinery's Special Interest Group on Information Retrieval) in juli 2022, waarin hun nieuwe methode en veelbelovende bevindingen werden beschreven.

Om dit reproduceerbaarheidsonderzoek te doen, verzamelde het team van Lerman een enorme hoeveelheid gegevens over academische papers. Haar co-auteur Jay Pujara, directeur van het Center on Knowledge Graphs bij ISI zei:"We hebben deze zeer grote citatiegrafiek verzameld - het netwerk van artikelen, auteurs, citaten, referenties, samenwerkingen, auteursinstellingen, waar ze publiceren, enz." Ze hebben deze gegevens omgezet in een enorme kennisgrafiek (een "kennisgrafiek" is een weergave van een netwerk van entiteiten uit de echte wereld die de relaties tussen hen illustreert).

Het team keek naar de vormen of 'structuren' die in de kennisgrafiek ontstonden. Ze vroegen zich af of er een natuurverschijnsel was dat de verschillende structuren in de citatienetwerken veroorzaakte. Bovendien wilden ze ervoor zorgen dat de gegevens die in hun reproduceerbaarheidsvoorspellingen werden gebruikt, niet werden beïnvloed door vooroordelen in de gegevens. Pujara zei:"Kristina [Lerman] had het idee om te kijken naar covariaten zoals geslacht of prestige." En met dat idee ging het team van onderzoekers op zoek naar een verschil in een netwerk op basis van het feit of de auteur een man of een vrouw was, en of ze aan een topuniversiteit of een lager gerangschikte universiteit zaten.

Het wie, wat en waarom van citaten

Voordat we verder gaan, een beetje informatie over hoe citeren in wetenschappelijk onderzoek werkt. Er zijn doorgaans drie redenen waarom een ​​auteur het artikel van een andere auteur zou kunnen citeren.

Ten eerste, als achtergrond - om hun paper te begrijpen, zal een auteur andere papers citeren die de benodigde achtergrondinformatie geven. Ten tweede, om een ​​methode uit te leggen:als een auteur een methode gebruikt die vergelijkbaar is met, een versie van, of vergelijkbaar is met een methode uit een ander artikel, zal hij het artikel citeren waarin die methode wordt uitgelegd. En ten derde, resultaten - een auteur zal hun resultaten uitleggen, maar kan andere artikelen citeren die hetzelfde hebben bestudeerd maar andere resultaten hebben gekregen.

Informatie uit citaten halen

"Het is heel moeilijk om het citatienetwerk voor elke onderzoeker te bestuderen, dus waarom kiezen we niet het neusje van de zalm?" zei Pujara. Het team keek naar wetenschappers die waren gekozen voor de Amerikaanse National Academy of Sciences (NAS), een van de oudste en meest prominente professionele wetenschappelijke organisaties. Nieuwe leden van NAS worden gekozen door huidige leden op basis van een uitstekende staat van dienst op het gebied van wetenschappelijke prestaties, wat betekent dat ze in theorie allemaal hetzelfde erkenningsniveau hebben bereikt. Het ISI-team keek naar 766 NAS-onderzoekers, van wie 120 vrouwen, in de veronderstelling dat complexe genderverschillen zichtbaar zouden zijn binnen deze groep elite-wetenschappers.

Hun hypothese bleek correct.

Ze bouwden citatienetwerken die de structuur van peerherkenning voor elk NAS-lid vastlegden. Deze structuren verschilden aanzienlijk tussen mannelijke en vrouwelijke NAS-leden. Vrouwennetwerken waren veel nauwer geclusterd, wat aangeeft dat een vrouwelijke wetenschapper meer sociaal ingebed moet zijn en een sterker ondersteunend netwerk moet hebben dan haar mannelijke tegenhangers. De verschillen waren systemisch genoeg om het geslacht van het lid nauwkeurig te classificeren op basis van alleen hun citatienetwerk.

Lerman zei:"We zouden een AI-algoritme kunnen schrijven dat alleen naar de citatienetwerken zou kijken en voorspellen of dit het citatienetwerk van een vrouw of een man was. Dit was behoorlijk schokkend en teleurstellend voor ons."

Als controlestudie keek het team ook naar de covariaat prestige. NAS-leden die zijn aangesloten bij minder prestigieuze instellingen vormen een minderheid in NAS, net als vrouwen. Lerman zei:"we hadden gedacht dat de citatienetwerken van vrouwen er misschien uit zouden zien als leden van niet-prestigieuze universiteiten." Maar dat was niet het geval. Ze merkten geen verschillen op vanwege het prestige van de institutionele aansluiting van een lid.

Conclusie:alleen op basis van het citatienetwerk van een wetenschapper kan het geslacht nauwkeurig worden bepaald, maar het prestige van de universiteit waaraan de wetenschapper is verbonden niet. Dit suggereert dat gender volgens het ISI-team het carrièresucces in de wetenschap blijft beïnvloeden.

Hoe te stoppen met zo kort geciteerd te worden

Waarom gebeurt dit? Pujara zei:"We weten het niet. Het kan zijn omdat er een bepaald aspect van geslacht is dat het samenwerkingsgedrag verandert. Of het kan iets zijn in de samenleving dat onderzoekers en hun paden vormt op basis van sociale vooroordelen. Dus we weten niet echt de antwoord daarop. Wat we weten is dat er een verschil is."

De echte vraag is:hoe kunnen we het veranderen? Hoe kunnen we van de wetenschap een minder vijandig klimaat voor vrouwen maken, de barrières voor kansen voor vrouwen wegnemen en een omgeving creëren waarin vrouwen naar de top van hun vakgebied kunnen stijgen?

Het ISI-team hoopt dat hun methoden en resultaten in de toekomst kunnen helpen. Om te beginnen kan dit onderzoek worden gebruikt om onderzoekers te helpen begrijpen hoe hun netwerken eruitzien. Bovendien kan het worden gebruikt als een manier voor beleidsmakers om te begrijpen of programma's die gericht zijn op het verbeteren van gendergelijkheid in de wetenschap werken.

Ten slotte, en belangrijker, kunnen we leren van die verschillen in de citatiestructuren tussen mannen en vrouwen. "Om als vrouw erkend te worden, moet ze goed ingebed zijn en een sterk ondersteunend netwerk hebben", zei Lerman. "Jonge vrouwen begeleiden en ze vertellen dat ze die netwerken van sociale steun echt moeten opbouwen en er heel bewust mee om moeten gaan" lijkt een manier te zijn om de vorm van deze structuren te veranderen... en de vorm van de wetenschap. + Verder verkennen

Onderzoekers vinden citatiebias in gepubliceerde artikelen en bewijzen dat het probleem erger wordt