แมชชีนเลิร์นนิงสามารถทำนายเพศของนักวิทยาศาสตร์ได้อย่างแม่นยำโดยอาศัยข้อมูลอ้างอิงเพียงอย่างเดียว

ผู้หญิงและผู้ชายมีรูปแบบการอ้างอิงที่แตกต่างกันมากจนสามารถทำนายเพศของนักวิทยาศาสตร์ได้อย่างแม่นยำจากข้อมูลดังกล่าวเพียงอย่างเดียว นั่นคือการค้นพบของการศึกษาใหม่ที่ตรวจสอบวิธีที่ผู้ชายและผู้หญิงอ้างถึง – และถูกอ้างถึงโดย – ชุมชนของพวกเขา (Proc. นัท อคาเด วิทยาศาสตร์ 119 e2206070119).

นำโดยนักวิทยาศาสตร์เครือข่าย คริสติน่า เลอร์แมน จาก University of Southern California ผู้เขียนศึกษาสมาชิก 766 คนของสหรัฐอเมริกา สถาบันวิทยาศาสตร์แห่งชาติ (NAS) ซึ่งรวมผู้หญิง 120 คน พวกเขาจับคู่นักวิชาการกับโปรไฟล์ของพวกเขาบน Microsoft Academic Graph ซึ่งมีข้อมูลเมตาในสิ่งพิมพ์ทางวิชาการกว่า 150 ล้านฉบับ

หลังจากระบุเพศของนักวิทยาศาสตร์โดยการตรวจสอบคำสรรพนามในชีวประวัติของแต่ละคน นักวิจัยได้สร้าง "เครือข่ายการอ้างอิงอัตตา" สำหรับนักวิทยาศาสตร์แต่ละคน สิ่งนี้มี "การเชื่อมโยงทิศทาง" ซึ่งบ่งชี้ว่านักวิทยาศาสตร์คนอื่น ๆ ซึ่งแสดงโดยโหนด - แต่ละคนได้อ้างถึงและนักวิทยาศาสตร์คนใดได้อ้างถึงพวกเขา

เป็นที่ทราบกันดีว่านักวิทยาศาสตร์หญิงได้รับการอ้างอิงน้อยกว่าผู้ชาย แต่ผลการศึกษาใหม่เผยให้เห็นว่าผู้หญิงได้รับการอ้างอิงมากกว่าผู้ชายอย่างมีนัยสำคัญ เครือข่ายของผู้หญิงยังมี “ความเชื่อมโยง” มากขึ้น ซึ่งบ่งชี้ว่าผู้หญิงมีแนวโน้มที่จะทำงานในชุมชนการวิจัยที่แน่นแฟ้นยิ่งขึ้น

การศึกษายังพบว่าผู้หญิงมีเพื่อนน้อยลง แม้ว่าคนเหล่านี้มีแนวโน้มที่จะเป็นเพื่อนร่วมงานที่มีประสิทธิผลสูง และผู้หญิงก็มีนักวิทยาศาสตร์หญิงในเครือข่ายในสัดส่วนที่มากกว่า

รวยขึ้น รวยขึ้น

จากนั้น นักวิจัยได้ฝึกอัลกอริทึมการเรียนรู้ของเครื่องกับ 75% ของข้อมูลที่ถูกสุ่มเลือก เมื่อใช้อีก 25% เพื่อทดสอบระบบ พวกเขาพบว่าอัลกอริทึมสามารถทำนายเพศของนักวิทยาศาสตร์ได้อย่างแม่นยำตามเครือข่ายการอ้างอิง ซึ่งทำได้ถูกต้องประมาณ 80% ของเวลาทั้งหมด

เครือข่ายการอ้างอิงแสดงให้เห็นความแตกต่างที่สำคัญเล็กน้อยตามชื่อเสียงของสถาบันในเครือของผู้เขียน แม้ว่าการเป็นสมาชิก NAS จะเอนเอียงไปทางสถาบันที่มีชื่อเสียงมากกว่าก็ตาม นักวิจัยยังพบว่าผู้หญิงไม่ได้เป็นตัวแทนในสาขาทั้ง 8 สาขาที่พวกเขาพิจารณา มีเพียง XNUMX% ของนักฟิสิกส์ NAS เท่านั้นที่เป็นผู้หญิง ซึ่งเป็นสัดส่วนที่ต่ำที่สุดในบรรดาสาขาทั้งหมดที่ศึกษา

Lerman คิดว่าความแตกต่างระหว่างเพศในเครือข่ายการอ้างอิงอาจแบ่งได้เป็นสองด้าน “ทั้งสองเพศชอบที่จะอ้างถึงผู้ชาย และความผูกพันแบบพิเศษ หรือผล 'รวยขึ้น ยิ่งรวยขึ้น' เป็นกลไกที่รู้จักกันดีของรางวัลในทางวิทยาศาสตร์ ซึ่งนักวิจัยที่มีชื่อเสียงอยู่แล้วจะได้รับเครดิตมากกว่า” เธอกล่าว . “ตอนนี้เรากำลังทำงานกับต้นฉบับที่แสดงให้เห็นว่าความเหลื่อมล้ำทางเพศที่เกิดขึ้นจากองค์ประกอบเหล่านี้เป็นอย่างไร”