Science >> Wetenschap >  >> anders

Is de academische wereld gender-eerlijker geworden voor vrouwen? Bevindingen uit een vijandige analyse van gendervooroordelen

Titel:Is de academische wereld gender-eerlijker geworden voor vrouwen? Bevindingen uit een vijandige analyse van gendervooroordelen

Samenvatting:

Deze studie onderzoekt of de academische wereld gender-eerlijker is geworden voor vrouwen door een vijandige analyse uit te voeren van gendervooroordelen bij wervingspraktijken. We construeren een vijandige dataset die gendergerelateerde vooroordelen bij de aanwervingsbeslissingen van faculteiten vastlegt. We constateren dat vrouwen aanzienlijk minder vaak worden aangenomen dan mannen, zelfs als rekening wordt gehouden met kwalificaties en ervaring. We constateren echter ook dat de genderkloof in de loop van de tijd kleiner is geworden, wat erop wijst dat de academische wereld wellicht gender-eerlijker wordt voor vrouwen.

Inleiding:

De academische wereld wordt al lang bekritiseerd omdat het een door mannen gedomineerde omgeving is. Vrouwen zijn ondervertegenwoordigd in faculteitsfuncties en zij lopen een groter risico te maken te krijgen met discriminatie en hindernissen bij hun loopbaanontwikkeling. De afgelopen jaren zijn er inspanningen geleverd om gendervooroordelen in de academische wereld aan te pakken, zoals het vergroten van het aantal vrouwen in leidinggevende posities, het implementeren van genderblinde aanwervingspraktijken en het bieden van mentoring en ondersteuning aan vrouwelijke docenten. Het is echter onduidelijk of deze inspanningen effectief zijn geweest in het terugdringen van gendervooroordelen.

Methoden:

Om te beoordelen of de academische wereld gender-eerlijker is geworden voor vrouwen, hebben we een vijandige analyse uitgevoerd van gendervooroordelen bij de aanwervingsbeslissingen van faculteiten. We hebben een vijandige dataset samengesteld die gendergerelateerde vooroordelen bij aanwervingsbeslissingen vastlegt. De dataset bevat informatie over de kwalificaties, ervaring en aanwervingsresultaten van faculteitskandidaten, evenals het geslacht van de sollicitant.

We hebben de vijandige dataset gebruikt om een ​​machine learning-model te trainen om de waarschijnlijkheid te voorspellen dat een sollicitant wordt aangenomen. Vervolgens hebben we het model gebruikt om de aanwervingsresultaten voor twee groepen sollicitanten te voorspellen:één groep mannelijke sollicitanten en één groep vrouwelijke sollicitanten met dezelfde kwalificaties en ervaring.

Resultaten:

Uit onze resultaten blijkt dat de kans aanzienlijk kleiner is dat vrouwen worden aangenomen dan mannen, zelfs als rekening wordt gehouden met kwalificaties en ervaring. De kans om aangenomen te worden is voor vrouwen 20% lager dan voor mannen.

Conclusie:

Onze bevindingen suggereren dat de academische wereld niet gender-eerlijker is geworden voor vrouwen. Ondanks pogingen om gendervooroordelen aan te pakken, wordt de kans nog steeds kleiner dat vrouwen worden aangenomen dan mannen. Verder onderzoek is nodig om inzicht te krijgen in de resterende barrières voor gendergelijkheid in de academische wereld en om effectieve strategieën te ontwikkelen om deze barrières te overwinnen.