可视化扩大计算领域参与度的进展：背景的价值

对美国计算领域代表性不足的担忧推动了众多扩大参与度的活动。对这些工作影响的评估，甚至对所针对的实际“问题”的清晰评估，都受到最常见数据分析性质的局限，该分析将每个群体的代表性视为获得计算学位毕业生人数的百分比。使用单一指标无法充分评估扩大参与度工作的影响。首先，这种方法未能考虑本科生群体在联邦指定的性别、种族和族裔群体的总数和相对比例方面的人口结构变化。第二个问题是，关于扩大计算领域参与度（BPC）的大多数文献报告了性别或种族/族裔的数据，却忽略了学生交叉身份的数据。这导致我们对数据以及我们作为一个领域所面临的挑战产生了错误的理解。在本文中，我们提出了几种不同的方法来追踪 BPC 工作的影响。我们提出三项建议：1）应使用基于队列的分析来准确展示学生在计算领域的参与度；2）整个领域需要采用始终报告交叉数据的规范；3）在考察计算机科学系在扩大计算领域参与度方面做得如何时，大学的人口统计背景很重要，包括对影响计算领域当地人口结构的大学人口结构变化进行纵向分析。