Pembelajaran mesin dapat secara akurat memprediksi jenis kelamin ilmuwan berdasarkan data kutipan saja PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Pembelajaran mesin dapat secara akurat memprediksi jenis kelamin ilmuwan berdasarkan data kutipan saja

Efek kolektif: perbedaan gender dalam jaringan kutipan mungkin disebabkan oleh efek “kaya semakin kaya” di mana peneliti terkenal mendapat lebih banyak penghargaan. (Sumber: Shutterstock/aelitta)

Wanita dan pria memiliki pola kutipan yang sangat berbeda sehingga memungkinkan untuk secara akurat memprediksi jenis kelamin seorang ilmuwan hanya dari data tersebut. Itulah temuan studi baru yang menyelidiki bagaimana pria dan wanita mengutip – dan dikutip oleh – komunitas mereka (Proses Natl. Acad. Sains 119 e2206070119).

Dipimpin oleh ilmuwan jaringan Kristina Lerman dari University of Southern California, penulis mempelajari 766 anggota AS Akademi Ilmu Pengetahuan Nasional (NAS), yang mencakup 120 wanita. Mereka mencocokkan para sarjana dengan profil mereka di Microsoft Academic Graph, yang berisi metadata di lebih dari 150 juta publikasi akademis.

Setelah mengidentifikasi jenis kelamin ilmuwan dengan memeriksa kata ganti pada biografi individu, para peneliti membuat "jaringan kutipan ego" untuk setiap ilmuwan. Ini berisi "tautan arah", yang menunjukkan ilmuwan lain mana - yang diwakili oleh simpul - yang telah dikutip oleh individu tersebut, dan ilmuwan mana yang telah mengutipnya.

Diketahui bahwa ilmuwan wanita menerima lebih sedikit kutipan daripada rekan pria mereka, tetapi studi baru mengungkapkan bahwa wanita membalas fraksi kutipan yang jauh lebih tinggi daripada pria. Jaringan perempuan juga memiliki lebih banyak “keterhubungan”, yang menunjukkan bahwa perempuan cenderung bekerja dalam komunitas penelitian yang terjalin lebih erat.

Studi ini juga menemukan bahwa wanita memiliki lebih sedikit teman sebaya – meskipun mereka cenderung menjadi rekan kerja yang sangat produktif – dan bahwa wanita memiliki proporsi ilmuwan wanita yang lebih besar dalam jaringan mereka.

Kaya tambah kaya

Para peneliti kemudian melatih algoritma pembelajaran mesin pada 75% dari data yang dipilih secara acak. Menggunakan 25% lainnya untuk menguji sistem, mereka menemukan bahwa algoritme dapat secara akurat memprediksi jenis kelamin ilmuwan berdasarkan jaringan kutipan – melakukannya dengan benar sekitar 80% dari waktu.

Jaringan kutipan menunjukkan sedikit perbedaan signifikan berdasarkan prestise lembaga afiliasi penulis, meskipun keanggotaan NAS sangat condong ke lembaga yang lebih bergengsi. Para peneliti juga menemukan bahwa perempuan kurang terwakili di ketujuh bidang yang mereka amati. Hanya 8% fisikawan NAS adalah wanita – proporsi terendah dari semua bidang yang dipelajari.

Lerman berpendapat bahwa perbedaan gender dalam jaringan kutipan bisa disebabkan oleh dua aspek. "Ada preferensi oleh kedua jenis kelamin untuk mengutip pria, dan keterikatan preferensi - atau efek 'kaya semakin kaya' - adalah mekanisme penghargaan yang terkenal dalam sains, di mana peneliti yang sudah lebih terkenal mendapatkan lebih banyak pujian," katanya. . “Kami sekarang sedang mengerjakan manuskrip yang menunjukkan bagaimana perbedaan gender yang besar dapat muncul dari komponen-komponen ini.”

Stempel Waktu:

Lebih dari Dunia Fisika