• 那么通过改变期刊发行量会对各学术领域产生影响
  • 发布时间:2018-04-23 09:59 | 来源:hg0088 | 浏览:
  •   目前,最新一项研究报告显示,男性和女性在科学研究领域仍存在着差距,女性需要16年才能赶上男性撰写学术论文的数量。对于物理学领域,女性与男性的差距更大——相差258年。即使在许多女性存在的学术领域,男女不平等依然存在。霍尔曼发现在不同学术领域,最有声望学术报告的女性作者最少,在最著名的科学期刊,例如:《自然》、《新英格兰医学杂志》中,署名第一作者女性人数很少,同时初级研究报告女性第一作者也比较少见。
     
      部分原因是享有声望的期刊经常与科学家约稿,霍尔曼推断称,科学期刊向男性作者的约稿量是女性作者的两倍。也可能是女性作者向资深科学期刊提交较少研究报告的原因,或者是因为她们缺乏自信,以及支持率低。同时,也有可能是同行审稿专家和编辑对女性持有偏见,无论是含蓄的,还是明确的。美国伊利诺伊大学凯特·克兰西(Kate Clancy)说:“我写的大多数研究报告很难发表,甚至其中有一篇报告颇具影响力。我想知道是否因为我是女性,才遭遇这些不公平待遇?然而,我与一些男同事共同撰写的几篇研究报告发表却相对容易一些。”
     
      这项研究结果让我们意识到科学领域真实存在着男女性别差距,但霍尔曼警告称,即使男女作者发表的学术报告数量相同,也不应被视为性别差距消除的证明。数据显示,生物学领域女性占40%,她们在工作环境中并未承受较大的性别挑战。
     
      例如:霍尔曼研究小组发现差不多所有学术领域,女性基本上都是学术论文的参与者,而不是第一作者。相对于整体性别比例,女性学术参与者占多数,其数量远比学术论文第一作者人数多,通常她们是资历较浅的研究人员,从事大量简单工作。这似乎说明了一个趋势性现状:学术界资历较高,女性所占人数就越少。霍尔曼评估称,要实现所有学术领域资深人员性别差距消除,需要38年,而不是16年。
     
      人口统计学研究表明,在学术界性别差距是真实存在的,因为过去几年女性毕业生数量相对比男性少,而且迄今为止这一差距并未消除。大量女性职场个人简历,以及越来越多的研究结果都指向了这个研究结果。
     
      科学领域的女性很少被培养为实验室精英,尤其是由男性主导的科研机构。与相同技能的男性相比,女性的工资报酬较低,她们接收的培训辅导较少,很少被邀请谈话,同时,女性被认为工作能力较差,很难胜任工作,人们以苛刻的眼光评审她们的工作成绩。除此以外,她们必须消除人们对女性智力呆板的传统印象,并承受骚扰和辱骂。对于每个证据充分的理由,许多女性较早地离开STEM(科学、技术、工程和数学)职场,而那些留在STEM职场,并在学术论文中署名的女性人数远低于男性同事。当她们的学术文章发表时,她们的研究工作很少被引用。按照当前变化率,女性需要努力追赶16年时间,但是总体评估数量掩盖了一些变动数据。例如:在数据中115个学术领域里,女性作者超过男性作者的学术领域只占少数(其中包括护理学和助产学),发布数量相近的只有23个学术领域(共中包括:心理学、营养学和公共卫生学)。
     
      其中87个学术领域仍是男性占据绝对优势,其中包括:人类学、微生物学和医学遗传学,在未来十年内有望消除男女性别差异。但是其它学术领域,例如:物理学、数学、计算机科学,不仅男性比例较高,是女性从业者数量的6倍,同时女性在这几个学术领域发展速度很缓慢,对于物理学领域,男女性别差距达到258年。如果没有太大变化,现今物理学家或者数学家不会在有生之年看到物理学领域性别差距消失。
     
      “500 Women Scientists”机构合作创始人凯利·拉米雷斯(Kelly Ramirez)说:“如果我们女性面临着日益增长的变化,我们必须要做得更多,从社会、机构和国家层次。”女性需要16年时间,才能消除与男性在科学论文数量方面的差距。澳大利亚墨尔本大学卢克·霍尔曼(Luke Holman)通过评估过去15年发表近1000万份学术论文得出这一评估数据,在墨尔本大学同事辛迪·豪泽(Cindy Hauser)和德维·斯图尔特·福克斯(Devi Stuart-Fox)的帮助下,他使用数据评估出男性和女性在科学领域的显著差距,更重要的是,女性需要多长时间结束这一差距。
     
      至少有61项其他研究评估了学术论文中男女作者比例,其中多数研究都是手工阅读学术论文,进行数据统计。相反,霍尔曼从PubMed网站下载了915万篇学术论文,PubMed网站是全球最大的医学和生命科学数据库之一,此外,他还从ArXiv网站下载了50万篇学术论文,ArXiv网站存储着数学、物理、天文学等方面的论文。之后霍尔曼编写了一个程序,使用在线数据库判断每位作者的性别。他选择排除了性别模糊不清的姓名,例如:Jamie和Robin,剩下92%的数据集并未明显地影响最终评估数据。
  • 相关内容
  • Copyright 2015-2016 玉溪欧科医院 版权所有
  • 网站地图 |