[论文解读] Gender-based homophily in collaborations across a heterogeneous scholarly landscape

Y. Samuel Wang, Carole J. Lee+3 more|arXiv (Cornell University)|Sep 3, 2019

scientometrics and bibliometrics research被引用 7

一句话总结

本研究提出了一种新方法，用于解耦学术合作中性别同质性（homophily）的结构性、组成性和行为性成分，研究对象为JSTOR语料库中的学术合作。研究发现，在控制了学科内部性别比例失衡及随时间变化的性别分布后，仍存在统计上显著的行为性同质性，表明在合作中存在基于性别的偏好。女性在某一学科中占比越高，越容易检测到此类行为性同质性。

ABSTRACT

In this article, we investigate the role of gender in collaboration patterns by analyzing gender-based homophily -- the tendency for researchers to co-author with individuals of the same gender. We develop and apply novel methodology to the corpus of JSTOR articles, a broad scholarly landscape, which we analyze at various levels of granularity. Most notably, for a precise analysis of gender homophily, we develop methodology which explicitly accounts for the fact that the data comprises heterogeneous intellectual communities and that not all authorships are exchangeable. In particular, we distinguish three phenomena which may affect the distribution of observed gender homophily in collaborations: a structural component that is due to demographics and non-gendered authorship norms of a scholarly community, a compositional component which is driven by varying gender representation across sub-disciplines and time, and a behavioral component which we define as the remainder of observed gender homophily after its structural and compositional components have been taken into account. Using minimal modeling assumptions, the methodology we develop allows us to test for behavioral homophily. We find that statistically significant behavioral homophily can be detected across the JSTOR corpus and show that this finding is robust to missing gender indicators in our data. In a secondary analysis, we show that the proportion of women representation in a field is positively associated with the probability of finding statistically significant behavioral homophily.

研究动机与目标

• 检验学术合作中观察到的性别同质性是否可被学科内性别分布差异及随时间变化的性别代表性完全解释。
• 在控制结构性与组成性影响后，分离出同质性的行为性成分。
• 开发一种能够考虑异质性知识社群及非可交换作者关系的协作网络的方法。
• 评估研究结果对大规模学术数据中缺失或不准确性别标签的稳健性。
• 探讨学科层面女性占比与检测到行为性同质性的可能性之间的关联。

提出的方法

• 提出性别同质性的三成分分解：结构性（人口统计学因素与非性别化规范）、组成性（跨子学科及时间的性别代表性差异）和行为性（在控制前两者后的剩余同质性）。
• 采用最少的建模假设，估计在随机分配下同质性的零分布，同时考虑子学科和时间异质性。
• 应用Metropolis-Hastings采样器生成用于行为性同质性统计检验的零分布。
• 分析JSTOR语料库（1960–2017年）的合作者数据，排除独立作者作品以聚焦协作动态。
• 基于作者姓名进行作者层面的性别分配，承认对非二元性别及双性人个体存在局限性。
• 将出版年份和子学科归属作为混杂变量进行控制，以隔离行为性同质性。

实验结果

研究问题

• RQ1 学术合作中观察到的性别同质性在多大程度上可由子学科间及随时间变化的性别代表性差异来解释？
• RQ2 在控制结构性与组成性因素后，是否存在统计上显著的行为性同质性成分？
• RQ3 某一学术领域中女性比例与检测到显著行为性同质性的可能性之间有何关联？
• RQ4 当数据中存在缺失或不准确的性别标签时，研究结果的稳健性如何？
• RQ5 考虑到行为性同质性的持续存在，社会文化规范与认知在塑造合作者决策中扮演何种角色？

主要发现

• 在JSTOR语料库中检测到统计上显著的行为性同质性，表明基于性别的合作偏好在超越人口统计与组成性因素后依然存在。
• 即使性别标签不完整或可能存在不准确，行为性同质性的检测结果依然稳健。
• 女性占比更高的学科更可能表现出统计上显著的行为性同质性，提示性别多样性与同质性合作模式之间可能存在关联。
• 该方法通过考虑子学科和时间异质性，成功分离出行为性同质性，表明仅靠组成性效应无法解释观察到的模式。
• 通过敏感性分析与模拟研究验证了该研究方法的可靠性，确认了分解框架的稳健性。
• 研究结果表明，社会文化规范与认知可能在塑造合作者决策中发挥关键作用，因为行为性同质性无法被结构性或组成性因素完全解释。