[논문 리뷰] Ethnic Diversity Increases Scientific Impact.

Bedoor AlShebli, Talal Rahwan외 1명|arXiv (Cornell University)|2018. 03. 06.

scientometrics and bibliometrics research인용 수 12

한 줄 요약

이 연구는 24개 분야에서 900만 페퍼와 600만 명의 과학자를 분석하여, 연구 팀 내 민족적 다양성과 과학자 개인의 협업 다양성이 과학적 영향력의 가장 강력한 예측요소임을 밝혀냈다. 그 상관계수는 집단 수준에서 r = 0.77, 개인 수준에서 r = 0.55였다. 기준 모델에서 민족적 배경을 무작위로 재배치한 후에도 실제 세계의 민족적 다양성이 여전히 영향력과 더 강하게 연관되어 있었으며, 근사 정확한 매칭(coarsened exact matching)을 통해 인과관계가 확인되었다.

ABSTRACT

Inspired by the numerous social and economic benefits of diversity, we analyze over 9 million papers and 6 million scientists spanning 24 fields of study, to understand the relationship between research impact and five types of diversity, reflecting (i) ethnicity, (ii) discipline, (iii) gender, (iv) affiliation and (v) academic age. For each type, we study group diversity (i.e., the heterogeneity of a paper's set of authors) and individual diversity (i.e., the heterogeneity of a scientist's entire set of collaborators). Remarkably, of all the types considered, we find that ethnic diversity is the strongest predictor of a field's scientific impact (r is 0.77 and 0.55 for group and individual ethnic diversity, respectively). Moreover, to isolate the effect of ethnic diversity from other confounding factors, we analyze a baseline model in which author ethnicities are randomized while preserving all other characteristics. We find that the relation between ethnic diversity and impact is stronger in the real data compared to the randomized baseline model, regardless of publication year, number of authors per paper, and number of collaborators per scientist. Finally, we use coarsened exact matching to infer causality, whereby the scientific impact of diverse papers and scientists are compared against closely matched control groups. In keeping with the other results, we find that ethnic diversity consistently leads to higher scientific impact.

연구 동기 및 목표

• 다양한 유형의 다양성—민족, 전공, 성별, 소속, 학술 연령—이 과학적 영향력에 어떻게 영향을 미치는지 조사하기 위해.
• 영향력 예측에서 팀 구성 수준의 다양성(그룹 수준의 다양성)과 협업 이질성 수준의 다양성(개인 수준의 다양성)을 구분하기 위해.
• 출판 연도, 팀 규모, 협업 네트워크 규모 등의 혼동 변수를 통제하여 민족적 다양성의 인과적 영향을 분리하기 위해.
• 관측된 민족적 다양성과 영향력 간 상관관계가 단순 통계적 오류가 아니라는 것을 검증하기 위해, 무작위 기준 모델을 사용하기 위해.

제안 방법

• 연구는 24개 학문 분야에서 900만 페퍼와 600만 명의 과학자로 구성된 데이터셋을 분석하며, 저자 민족, 전공, 성별, 소속, 학술 연령에 대한 상세한 메타데이터를 포함한다.
• 그룹 다양성은 논문의 저자 목록 내 저자 민족 배경의 이질성으로 계산되며, 개인 다양성은 과학자가 과거에 협업한 사람들의 이질성으로 계산된다.
• 기준 모델은 모든 다른 논문 및 과학자 특성은 유지하면서 저자 민족 배경만 뒤섞어 구성되며, 실제 데이터와의 비교를 가능하게 한다.
• 상관계수 분석을 통해 각 다양성 유형과 과학적 영향력(인용 수로 측정) 간의 연관성 강도를 평가한다.
• 근사 정확한 매칭(coarsened exact matching, CEM)을 적용하여 매칭된 대조군을 만들며, 다양한 논문과 과학자를 비슷한 조건의 비다양성 동료와 비교함으로써 인과적 추론을 가능하게 한다.
• 통계 모델은 출판 연도, 저자 수, 협업자 수를 통제하여 민족적 다양성의 영향을 분리한다.

실험 결과

연구 질문

• RQ1 연구 팀 내 민족적 다양성이 다른 형태의 다양성과 비교해 과학적 영향력을 더 높게 예측하는가?
• RQ2 팀 규모나 출판 연도와 같은 혼란 변수를 고려한 후에도 민족적 다양성과 과학적 영향력 간의 관계가 강건한가?
• RQ3 실제 데이터에서 민족적 다양성과 영향력 간의 연관성이, 민족 배경을 뒤섞은 무작위 기준 모델보다 더 강한가?
• RQ4 다른 협업 및 인구통계적 요인과 독립적으로 민족적 다양성이 과학적 영향력에 인과적으로 기여하는 정도는 어느 정도인가?
• RQ5 과학자가 협업 네트워크의 이질성으로 정의되는 개인 수준의 민족적 다양성은 과학적 영향력에 어떻게 예측하는가?

주요 결과

• 분석된 다섯 가지 다양성 유형 중에서 민족적 다양성이 과학적 영향력에 가장 강력한 예측요소이며, 그룹 수준에서 상관계수는 r = 0.77였다.
• 개인 수준의 민족적 다양성 역시 영향력과 강한 정적 상관관계를 보이며, r = 0.55였다.
• 출판 연도, 팀 규모, 협업 네트워크 규모와 관계없이, 실제 데이터에서 민족적 다양성과 과학적 영향력 간의 관계는 무작위 기준 모델보다 유의미하게 더 강했다.
• 근사 정확한 매칭을 통해 혼란 변수를 통제한 후에도, 민족적으로 다양한 연구 팀과 민족적 다양성이 있는 협업을 한 과학자는 항상 높은 영향력의 연구를 생산했다.
• 인과적 추론 프레임워크는 민족적 다양성이 과학적 영향력 증가에 기여하며 단순 상관관계가 아니라는 것을 확인했다.
• 결과는 분석한 24개 모든 분야에서 동일하게 유지되었으며, 이는 민족적 다양성이 과학적 산출 품질에 광범위하고 일반화 가능한 영향을 미친다는 것을 시사한다.