异质化学术图景中合作关系的性别同质性
应用统计
2022-06-20 v2
摘要
在本文中，我们通过分析基于性别的同质性——即研究者倾向于与同性别个体合著的趋势——来研究性别在合作模式中的作用。我们开发并应用了一种新方法于 JSTOR 文章语料库这一广泛的学术图景，并在不同粒度上进行分析。最值得注意的是，为精确分析性别同质性，我们开发了明确考虑以下事实的方法：数据由异质性知识社群构成，且并非所有作者身份都可互换。具体而言，我们区分了可能影响观测合作中性别同质性分布的三种现象：由学术社群的人口统计和非性别化作者规范导致的结构成分、由子学科和时间上性别表征差异驱动的组成成分，以及我们将观测性别同质性在扣除结构和组成成分后剩余部分定义的行为成分。利用极小的建模假设，我们开发的方法允许我们检验行为同质性。我们发现 JSTOR 语料库中可检测到统计显著的行为同质性，并表明该发现对数据中缺失的性别指示具有稳健性。在一项次要分析中，我们表明一个领域中女性表征比例与发现统计显著行为同质性的概率呈正相关。
引用
@article{arxiv.1909.01284,
title = {Gender-based homophily in collaborations across a heterogeneous scholarly landscape},
author = {Y. Samuel Wang and Carole J. Lee and Jevin D. West and Carl T. Bergstrom and Elena A. Erosheva},
journal= {arXiv preprint arXiv:1909.01284},
year = {2022}
}