A gépi tanulás pontosan meg tudja jósolni a tudós nemét pusztán a hivatkozási adatok alapján, a PlatoBlockchain Data Intelligence. Függőleges keresés. Ai.

A gépi tanulás pusztán a hivatkozási adatok alapján képes pontosan megjósolni a tudós nemét

Kollektív hatás: a nemek közötti különbségek az idézési hálózatokban a „gazdagok lesznek gazdagabbak” hatásnak köszönhetők, ahol az ismertebb kutatók több hitelt kapnak. (jóvoltából: Shutterstock/aelitta)

A nők és a férfiak idézési mintái annyira eltérőek, hogy pusztán ezekből az adatokból is pontosan megjósolható a tudós neme. Ez egy új tanulmány megállapítása, amely azt vizsgálja, hogy a férfiak és a nők hogyan idézik – és hivatkoznak rájuk – közösségeik.Proc. Natl. Acad. Sci 119 e2206070119).

Hálózati tudós vezetésével Kristina Lerman a Dél-Kaliforniai Egyetemen a szerzők az Egyesült Államok 766 tagját vizsgálták Nemzeti Tudományos Akadémia (NAS), amely 120 nőt tartalmazott. A tudósokat a Microsoft Academic Graph-on lévő profiljukhoz illesztették, amely több mint 150 millió tudományos publikáció metaadatait tartalmazza.

Miután az egyén életrajzában szereplő névmások ellenőrzésével azonosították a tudósok nemét, a kutatók minden tudós számára létrehoztak egy „ego-idézési hálózatot”. Ez „irányuló hivatkozásokat” tartalmazott, jelezve, hogy az egyén mely tudósok – csomópontokkal képviselve – idézett, és mely tudósok idézték őket.

Köztudott, hogy a női tudósok kevesebb idézetet kapnak, mint férfi társaik, de az új tanulmány feltárja, hogy a nők lényegesen nagyobb arányban viszonozzák az idézeteket, mint a férfiak. A nők hálózatának is több „összeköttetése” van, ami arra utal, hogy a nők hajlamosak szorosabbra fűződő kutatói közösségekben dolgozni.

A tanulmány azt is megállapította, hogy a nőknek kevesebb kortársa van – bár ezek általában rendkívül produktív kollégák –, és a nők hálózataiban nagyobb arányban vesznek részt tudósok.

A gazdagok gazdagabbak lesznek

A kutatók ezután egy gépi tanulási algoritmust képeztek ki a véletlenszerűen kiválasztott adatok 75%-án. A másik 25%-ot felhasználva a rendszer tesztelésére azt találták, hogy az algoritmus pontosan meg tudja jósolni a tudós nemét az idézési hálózatok alapján – ez az esetek 80%-ában helyesen történik.

A hivatkozási hálózatok kevés szignifikáns különbséget mutattak a szerzőhöz kapcsolódó intézmény presztízse alapján, bár a NAS tagsága erősen torzul a tekintélyesebb intézetek felé. A kutatók azt is megállapították, hogy a nők alulreprezentáltak mind a hét vizsgált területen. A NAS fizikusainak mindössze 8%-a volt nő – ez a legalacsonyabb arány a vizsgált területek közül.

Lerman úgy gondolja, hogy a nemek közötti különbségek az idézési hálózatokban két szempontra vezethetők vissza. „Mindkét nem részesíti előnyben a férfiakat, és a preferenciális kötődés – vagy a „gazdagok lesznek gazdagabbak” effektus – a tudományban jól ismert jutalmazási mechanizmus, ahol a már ismertebb kutatók több hitelt kapnak” – mondja. . „Most egy olyan kéziraton dolgozunk, amely bemutatja, hogyan alakulhat ki nagy nemek közötti egyenlőtlenség ezekből az összetevőkből.”

Időbélyeg:

Még több Fizika Világa