[논문 리뷰] Gender, Productivity, and Prestige in Computer Science Faculty Hiring Networks

Samuel F. Way, Daniel B. Larremore외 1명|arXiv (Cornell University)|2016. 02. 02.

Gender Diversity and Inequality인용 수 4

한 줄 요약

이 연구는 205개의 북미 박사 학위 수여 대학에서 컴퓨터 과학 부교수 채용의 성별 격차를 분석하기 위해 네트워크 기반 모델링 접근법을 사용한다. 연구 결과, 기관의 명성과 학술적 생산성 등을 고려한 후 성별 자체가 채용 결과를 유의미하게 예측하지 못하는 것으로 나타났지만, 성별 격차는 생산성, 박사 후 과정 훈련, 경력 이동성의 차이를 통해 간접적으로 내재되어 있으며, 상위 등급의 기관들이 여성들을 비율상 더 많이 채용하고 있어, 낮은 등급의 기관들에게는 기회가 제한될 수 있다는 점을 밝혀냈다.

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.

연구 동기 및 목표

• 채용 과정을 기관 간 관계의 네트워크로 모델링함으로써 성별이 컴퓨터 과학 부교수 채용에 어떤 역할을 하는지 조사하기 위해.
• 기관의 명성과 학술적 생산성 등을 통제한 후 성별이 채용 결과에 직접적인 영향을 미치는지 판단하기 위해.
• 성별 격차가 생산성 또는 경력 궤적의 차이와 같은 간접적 경로를 통해 채용 결정에 내재되어 있는지 특정하기 위해.
• 상위 등급의 기관들이 여성 부교수를 더 높은 비율로 채용하고 있는지, 만약 그렇다면 이로 인해 낮은 등급의 기관들의 채용 역학에 어떤 영향을 미치는지 조사하기 위해.
• 학술 컴퓨터 과학 채용의 체계적 성별 불균형을 이해하고 해결하기 위한 데이터 기반 프레임워크를 제공하기 위해.

제안 방법

• 미국과 캐나다의 205개 박사 학위 수여 기관에서 2659명의 정규직 컴퓨터 과학 부교수의 데이터를 사용하여 채용 네트워크 모델을 구축하였다.
• 기타 기관의 명성과 지원자의 생산성을 핵심 예측 변수로 포함하여, 지원자와 기관 간의 채용 매칭 확률을 모델링하기 위해 로지스틱 회귀 분석을 사용하였다.
• 채용 결과, 성별, 논문 기록, 기관 순위를 포함한 종합적 데이터를 기반으로 모델을 훈련시켰다.
• 채용 기관과 배치 기관 간의 상대적 명성 수준을 주요 예측 변수로 통합하여 학술 채용의 계층적 성격을 반영하였다.
• 기타 예측 변수로 명성과 생산성을 포함한 후 성별을 추가했을 때 예측 오차가 얼마나 감소하는지 측정하여 모델 성능을 평가하였다.
• 기관 순위에 따른 여성의 성별 구성 비율 패턴을 분석하여 여성에게 유리한 순위 기반 채용 우위를 탐지하였다.

실험 결과

연구 질문

• RQ1 기본적으로 기관의 명성과 학술적 생산성을 고려한 후 성별이 컴퓨터 과학 부교수 채용 결과에 직접적인 영향을 미치는가?
• RQ2 성별 격차가 학술적 생산성, 박사 후 과정 훈련 또는 경력 이동성의 차이를 통해 어느 정도 간접적으로 영향을 미치는가?
• RQ3 상위 등급의 기관들이 여성 부교수를 기대치를 초월해 더 많이 채용하고 있는가? 만약 그렇다면, 이는 낮은 등급의 기관들의 채용 역학에 어떤 영향을 미치는가?
• RQ4 채용 결과가 기관 네트워크를 통해 상호 연결되어 있다는 비독립성 때문에, 기관들이 성별 균형을 개선하는 데 어떤 영향을 받는가?
• RQ5 집계 통계만으로는 드러나지 않는, 채용 패턴의 네트워크 모델링이 체계적 불평등을 드러낼 수 있는가?

주요 결과

• 기관의 명성과 학술적 생산성을 고려한 후 성별을 예측 변수로 추가해도 모델 오차가 유의미하게 감소하지 않아, 성별이 모델에서 채용 결과를 직접적으로 결정하지 않는다는 것을 시사한다.
• 컴퓨터 과학 분야의 여성들은 남성들보다 평균적으로 낮은 학술적 생산성을 보이며, 이는 생산성 기반의 선발 기준을 통해 간접적으로 채용 결과에 영향을 미친다.
• 여성들의 경우 남성들보다 더 높은 비율로 박사 후 과정 훈련을 이수하고 있어, 채용 역학에 영향을 미치는 파이프라인 또는 경력 진로 요인일 수 있다.
• 상위 등급의 기관들은 여성 지원자 풀에 비해 기대치를 초월해 여성 부교수를 더 많이 채용하고 있어, 여성들을 유치하는 데 경쟁 우위를 점하고 있음을 시사한다.
• 낮은 등급의 기관들은 상위 등급 기관들과의 경쟁으로 여성 지원자를 채용하는 데 어려움을 겪을 수 있으며, 이는 자격을 갖춘 여성들의 상당 부분이 상위 기관에 집중되어 있음을 반영한다.
• 이 연구는 부교수 채용의 성별 불균형이 직접적인 성별 편향보다는 생산성과 경력 궤적 등의 공변량 내에 암묵적으로 내재된 미묘하고 체계적인 문제임을 드러냈다.