[論文レビュー] Gender, Productivity, and Prestige in Computer Science Faculty Hiring Networks

Samuel F. Way, Daniel B. Larremore+1 more|arXiv (Cornell University)|Feb 2, 2016

Gender Diversity and Inequality被引用数 4

ひとこと要約

本研究では、北米の博士課程授与機関205校におけるコンピュータサイエンスの教員採用における性別格差を分析するため、ネットワークベースのモデリング手法を用いた。性別自体が、機関の評判と学術的生産性を補正した後も採用結果を有意に予測しないことが判明したが、生産性、博士研究員訓練、キャリアの流動性の差異を通じて、性別格差が間接的に埋め込まれていることが示された。特に、上位ランクの機関は女性を過剰に採用しており、これは下位ランクの機関の機会を制限する可能性がある。

ABSTRACT

Women are dramatically underrepresented in computer science at all levels in academia and account for just 15% of tenure-track faculty. Understanding the causes of this gender imbalance would inform both policies intended to rectify it and employment decisions by departments and individuals. Progress in this direction, however, is complicated by the complexity and decentralized nature of faculty hiring and the non-independence of hires. Using comprehensive data on both hiring outcomes and scholarly productivity for 2659 tenure-track faculty across 205 Ph.D.-granting departments in North America, we investigate the multi-dimensional nature of gender inequality in computer science faculty hiring through a network model of the hiring process. Overall, we find that hiring outcomes are most directly affected by (i) the relative prestige between hiring and placing institutions and (ii) the scholarly productivity of the candidates. After including these, and other features, the addition of gender did not significantly reduce modeling error. However, gender differences do exist, e.g., in scholarly productivity, postdoctoral training rates, and in career movements up the rankings of universities, suggesting that the effects of gender are indirectly incorporated into hiring decisions through gender's covariates. Furthermore, we find evidence that more highly ranked departments recruit female faculty at higher than expected rates, which appears to inhibit similar efforts by lower ranked departments. These findings illustrate the subtle nature of gender inequality in faculty hiring networks and provide new insights to the underrepresentation of women in computer science.

研究の動機と目的

• 教員採用プロセスを機関間の関係ネットワークとしてモデル化することで、コンピュータサイエンス教員採用における性別の役割を調査すること。
• 機関の評判と学術的生産性を制御した後、性別が採用結果に直接影響を与えるかどうかを特定すること。
• 生産性やキャリアの流れの差異といった、性別格差が採用意思決定に間接的に埋め込まれる経路を同定すること。
• 上位ランクの機関が女性教員を予想以上に採用しているかどうかを検討し、その結果、下位ランクの機関の採用ダイナミクスにどのような影響を与えるかを調査すること。
• 学術的CS採用における構造的性別不均衡を理解し、是正するためのデータドリブンなフレームワークを提供すること。

提案手法

• 米国・カナダの205の博士課程授与機関に所在する、2659名の准教授職教員のデータを用いて、教員採用のネットワークモデルを構築した。
• 機関の評判と候補者の生産性を主な予測変数として、候補者と機関との採用マッチの確率をロジスティック回帰でモデル化した。
• 採用結果、性別、出版記録、機関ランクを含む包括的なデータを用いてモデルを訓練した。
• 採用機関と配置機関の相対的評判を、学術的採用の階層的性質を反映する主要な予測変数として組み込んだ。
• 評判と生産性を含めた後、性別を予測変数として追加した際の予測誤差の低減を測定することで、モデルの性能を評価した。
• 機関ランクごとの性別構成のパターンを分析し、女性に有利なランク依存の採用優位性を検出した。

実験結果

リサーチクエスチョン

• RQ1 機関の評判と学術的生産性を補正した後、性別がコンピュータサイエンス教員採用結果に直接影響を与えるか？
• RQ2 学術的生産性、博士研究員訓練、キャリアの流動性の差異によって、採用における性別格差がどの程度媒介されているか？
• RQ3 上位ランクの機関は、女性教員を予想以上に採用しているのか？ もしそうなら、それは下位ランクの機関の採用ダイナミクスにどのように影響するか？
• RQ4 採用結果が機関ネットワークを通じて相互に依存していること（非独立性）が、部門が性別バランスを改善する能力にどのような影響を与えるか？
• RQ5 集計統計からは見えない構造的不平等を、採用パターンのネットワークモデリングが明らかにできるか？

主な発見

• 機関の評判と学術的生産性を補正した後、性別を予測変数として追加してもモデル誤差が有意に減少しなかったため、性別がモデル内での採用結果を直接決定づけないことが示された。
• コンピュータサイエンス分野における女性は男性に比べて平均的な学術的生産性が低く、これが生産性に基づく選抜を通じて間接的に採用結果に影響を与えている。
• 女性は男性よりも高い割合で博士研究員訓練を経験しており、これは採用ダイナミクスに影響を与えるパイプラインまたはキャリア進路要因である可能性がある。
• 上位ランクの機関は、女性候補者のプールを考慮した場合に予想を上回る割合で女性教員を採用しており、女性を引きつける競争上の優位性を有している。
• 下位ランクの機関は、上位ランクの機関との競争により、女性候補者の採用で不利な立場に置かれており、優秀な女性候補者の多くが上位機関に集中している可能性がある。
• 本研究は、教員採用における性別不平等が、意思決定における明確な性別バイアスではなく、生産性やキャリアの流れといった共変量に埋め込まれた、繊細で構造的なものであることを明らかにした。