边缘干预可缓解计算机科学共同作者网络中的人口学差异和声望差异

社会因素如人口学特征和机构声望在学术出版的创造和传播中起结构性作用。在这些效应可以观察到的地方是研究者在共同作者网络中的中心性或外围性。我们调查了来自 5,670 名美国计算机科学博士授课院校的 faculty 及其 DBLP 共同作者连接的人口学中心性不平等问题。我们引入了算法，将基于名称和基于感知的人口学标签组合起来，通过最大化与我们从该 census 调查中自我报告的人口学信息的对齐来实现。我们发现女性和拥有 minoritized 民族身份者在计算机科学共同作者网络中中心性较低，这暗示了更差的获取和传播信息的能力。中心性也高度与声望相关联，使得位于顶尖排名院校的 faculty 位于计算机科学共同作者网络的核心部位，而位于低排名院校的 faculty 位于网络的边缘。我们展示，这些差异可以通过模拟边缘干预来缓解，模拟的边缘干预被解释为促进的合作。我们的干预通过将其与来自高度排名机构的研究者连接来增加目标 individual 的中心性，这些 individual 独立于网络结构地选择。当应用于 PhD 期间的 scholar 时，干预还会提高其在学术职位市场上 placement 机构的预测排名。这项工作由 aneliorative 方法指导：为了解决这些社会不平等而揭示它们。通过基于机构声望针对 scholar 进行干预，我们能够提高其在共同作者网络中的中心性，该网络在职位安置和更长期的学术成功中起关键作用。