女性和男性的引用模式如此不同，以至于仅根据这些数据就可以准确预测科学家的性别。 这是一项新研究的发现，该研究调查了男性和女性如何引用——以及被——他们的社区引用（过程。 国家队。 学院。 科学 119 e2206070119).
由网络科学家领导 克里斯蒂娜·勒曼（Kristina Lerman） 来自南加州大学，作者研究了 766 名美国成员 美国国家科学院 (NAS)，其中包括 120 名女性。 他们将学者与他们在 Microsoft Academic Graph 上的个人资料进行匹配，其中包含超过 150 亿份学术出版物的元数据。
通过检查个人传记上的代词来确定科学家的性别后，研究人员为每位科学家创建了一个“自我引用网络”。 这包含“定向链接”，表明个人引用了哪些其他科学家（以节点表示），以及哪些科学家引用了他们。
众所周知，女性科学家获得的引用次数少于男性科学家，但这项新研究表明，女性获得的引用次数明显高于男性。 女性网络也有更多的“联系”，这表明女性倾向于在联系更紧密的研究社区工作。
该研究还发现，女性的同行较少——尽管这些同行往往是高效的同事——而且女性在她们的网络中拥有更大比例的女科学家。
越富越富
然后，研究人员在随机选择的 75% 数据上训练机器学习算法。 使用其他 25% 来测试系统，他们发现该算法可以根据引文网络准确预测科学家的性别——大约 80% 的准确率是正确的。
男人和女人分道扬镳：为什么基于探究的实验室会加剧性别失衡
尽管 NAS 成员高度倾向于更有声望的机构，但引文网络几乎没有显示出基于作者附属机构声望的显着差异。 研究人员还发现，在他们研究的所有七个领域中，女性的代表性都不足。 只有 8% 的 NAS 物理学家是女性——在所有研究领域中比例最低。
Lerman 认为引文网络中的性别差异可以归结为两个方面。 “男女都喜欢引用男性，而优先依恋——或‘富者越富’效应——是科学界众所周知的奖励机制，已经广为人知的研究人员获得更多荣誉，”她说. “我们现在正在撰写一份手稿，展示这些组成部分如何产生巨大的性别差异。”
