[论文解读] Ethnic Diversity Increases Scientific Impact.

Bedoor AlShebli, Talal Rahwan+1 more|arXiv (Cornell University)|Mar 6, 2018

scientometrics and bibliometrics research被引用 12

一句话总结

本研究分析了涵盖24个学科的900万篇论文及600万名科学家，发现研究团队的族裔多样性以及科学家个人合作网络的族裔多样性是科学影响力最强的预测因子，组间相关系数为 r = 0.77，个体相关系数为 r = 0.55。即使在基线模型中对族裔身份进行随机化处理后，现实世界中的族裔多样性仍与影响力呈现更强关联，且通过粗化精确匹配（CEM）确认了其因果关系。

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.

研究动机与目标

• 探究不同类型的多样性（族裔、学科、性别、隶属关系及学术年龄）如何影响科学影响力。
• 区分团队层面多样性（团队构成）与个体层面多样性（合作者异质性）在预测影响力方面的差异。
• 通过控制发表年份、团队规模及合作网络规模等混杂变量，分离族裔多样性对科学影响力的影响。
• 通过随机基线模型检验族裔多样性与影响力之间观察到的相关性是否仅为统计巧合。

提出的方法

• 本研究分析了涵盖24个学术领域的900万篇论文及600万名科学家的数据集，包含作者族裔、学科、性别、隶属关系及学术年龄的详细元数据。
• 计算团队多样性时，衡量的是某论文作者名单中作者族裔的异质性；计算个体多样性时，衡量的是科学家过去合作者的族裔异质性。
• 通过打乱作者族裔身份（同时保留其他所有论文与科学家特征）构建随机基线模型，以与真实数据进行对比。
• 使用相关性分析评估每种多样性类型与科学影响力（以引用次数衡量）之间的关联强度。
• 应用粗化精确匹配（CEM）创建匹配的对照组，通过比较具有多样性特征的论文与科学家与其高度匹配的非多样性同行，实现因果推断。
• 统计模型控制了发表年份、作者人数及合作者人数，以隔离族裔多样性对影响力的影响。

实验结果

研究问题

• RQ1 与其它形式的多样性相比，研究团队中的族裔多样性是否更能预测更高的科学影响力？
• RQ2 在考虑团队规模与发表年份等混杂因素后，族裔多样性与科学影响力之间的关系是否依然稳健？
• RQ3 在真实数据中，族裔多样性与影响力的关联是否强于将族裔身份随机化后的基线模型？
• RQ4 在排除其他合作与人口统计因素后，族裔多样性在多大程度上可被因果地关联到更高的科学影响力？
• RQ5 个体层面的族裔多样性（即科学家合作网络的异质性）在多大程度上可预测科学影响力？

主要发现

• 在所分析的五类多样性中，族裔多样性是科学影响力最强的预测因子，组间相关系数为 r = 0.77。
• 个体层面的族裔多样性同样与影响力呈现显著正相关，相关系数为 r = 0.55。
• 无论发表年份、团队规模或合作网络规模如何，真实数据中族裔多样性与科学影响力的关系均显著强于随机基线模型。
• 在使用粗化精确匹配控制混杂变量后，具有族裔多样性特征的研究团队以及与族裔多样化合作者合作的科学家，其产出的影响力始终更高。
• 因果推断框架证实，族裔多样性导致科学影响力提升，而不仅仅是相关性。
• 上述结果在所有24个研究学科中均成立，表明族裔多样性对科学产出质量具有广泛且可推广的影响。