Makine öğrenimi, yalnızca alıntı verilerine dayanarak bir bilim insanının cinsiyetini doğru bir şekilde tahmin edebilir. PlatoBlockchain Veri Zekası. Dikey Arama. Ai.

Makine öğrenimi, yalnızca alıntı verilerine dayanarak bir bilim insanının cinsiyetini doğru bir şekilde tahmin edebilir

Kolektif etki: alıntı ağlarındaki cinsiyet farklılıkları, daha iyi tanınan araştırmacıların daha fazla kredi aldığı "zengin zenginleşir" etkisinden kaynaklanıyor olabilir. (Nezaket: Shutterstock/aelitta)

Kadınlar ve erkekler o kadar farklı alıntı modellerine sahiptir ki, bir bilim insanının cinsiyetini yalnızca bu tür verilerden doğru bir şekilde tahmin etmek mümkündür. Bu, erkeklerin ve kadınların topluluklarından nasıl alıntı yaptıklarını ve onlar tarafından nasıl alıntılandıklarını araştıran yeni bir çalışmanın bulgusu.Proc. Natl. Acad. Bilim 119 e2206070119).

Ağ bilimcisi liderliğinde Kristina Lerman Güney Kaliforniya Üniversitesi'nden yazarlar, ABD'nin 766 üyesini inceledi. Ulusal Bilimler Akademisi (NAS), 120 kadını içeriyordu. Akademisyenleri, 150 milyondan fazla akademik yayının meta verilerini içeren Microsoft Academic Graph üzerindeki profilleriyle eşleştirdiler.

Araştırmacılar, bireylerin biyografilerindeki zamirleri kontrol ederek bilim adamlarının cinsiyetlerini belirledikten sonra, her bilim insanı için bir “ego alıntı ağı” oluşturdu. Bu, diğer bilim adamlarının - düğümlerle temsil edilen - bireyin alıntı yaptığını ve hangi bilim adamlarının onlardan alıntı yaptığını gösteren "yönlü bağlantılar" içeriyordu.

Kadın bilim insanlarının erkek meslektaşlarına göre daha az alıntı aldığı iyi biliniyor, ancak yeni çalışma, kadınların erkeklerden önemli ölçüde daha yüksek alıntılara karşılık verdiğini ortaya koyuyor. Bir kadın ağının ayrıca daha fazla "bağlantılılığı" vardır, bu da kadınların daha sıkı örülmüş araştırma topluluklarında çalışma eğiliminde olduklarını düşündürür.

Çalışma aynı zamanda kadınların daha az akranları olduğunu -bunlar oldukça üretken meslektaşlar olma eğiliminde olsalar da- ve kadınların ağlarında daha büyük oranda kadın bilim insanına sahip olduğunu buldu.

Zengin daha zengin

Araştırmacılar daha sonra rastgele seçilen verilerin %75'i üzerinde bir makine öğrenimi algoritması eğitti. Sistemi test etmek için diğer %25'i kullanarak, algoritmanın alıntı ağlarına dayalı olarak bir bilim insanının cinsiyetini doğru bir şekilde tahmin edebildiğini buldular – bunu zamanın yaklaşık %80'inde doğru bir şekilde yapıyor.

Atıf ağları, bir yazarın bağlı olduğu kurumun prestijine dayalı olarak birkaç önemli farklılık gösterse de, NAS üyeliği daha prestijli enstitülere doğru oldukça eğimlidir. Araştırmacılar ayrıca kadınların baktıkları yedi alanın tamamında yeterince temsil edilmediğini de buldular. NAS fizikçilerinin sadece %8'i kadındı - çalışılan tüm alanların en düşük oranı.

Lerman, alıntı ağlarındaki cinsiyet farklılıklarının iki açıdan olabileceğini düşünüyor. "Her iki cinsiyette de erkeklerden alıntı yapma tercihi var ve tercihli bağlanma - veya 'zengin daha zengin olur' etkisi - zaten daha iyi bilinen araştırmacıların daha fazla itibar kazandığı bilimde iyi bilinen bir ödül mekanizmasıdır" diyor. . "Şu anda bu bileşenlerden nasıl büyük bir cinsiyet eşitsizliğinin ortaya çıkabileceğini gösteren bir el yazması üzerinde çalışıyoruz."

Zaman Damgası:

Den fazla Fizik dünyası