Self-promotion in science is ubiquitous but not exercised to the same extent by everyone. It is unclear whether there are gender differences in the frequency of self-promotion or the benefits individuals get from it. Here, we examine gender differences in scholarly self-promotion using 7M Tweet mentions of 539K research papers published in 2018 by 1.3M authors. Our analysis shows that female authors are significantly less likely than male authors to promote their papers, even after controlling for a number of important factors including journal impact, affiliation prestige, author productivity and number of citations, authorship position, number of coauthors, and research topics. The magnitude of the gender gap is more strongly impacted by papers' journal impact than by authors' affiliation prestige, their previous productivity, or academic discipline. In particular, male scholars are 60\% more likely to self-promote than comparable female scholars papers published in journals with very high impact factor, whereas the same probability is only 28\% for publications in low impact journals. Although women self-promote less often overall, when they do, their papers receive slightly more mentions on Twitter. Our findings offer the first large-scale evidence for the gender gap in scholarly self-promotion online and unpack details about the circumstances under which discrepancies in self-promotion are the most substantial, helping inform policy aimed at closing the gender gap in visibility and recognition.


翻译:科学的自我促进是普遍存在的,但每个人并没有在同样的程度上行使科学的自我促进,不清楚在自我促进的频率或个人从中获得的好处方面是否有性别差异。在这里,我们用7M Tweet 来研究学术自我促进方面的性别差异。我们用7M Tweet 来研究2018年出版的539K研究论文。我们的分析表明,女性作者比男性作者更不可能在2018年出版的539K研究论文。我们的分析表明,即使在控制了杂志影响、归属声望、作者生产力和引文数量、作者地位、共同作者人数和研究题目等一些重要因素之后,女性作者宣传其论文的可能性也大大低于男性作者。 与作者相比,在2018年出版的论文中,男性作者比男性作者更容易自我促进539K研究论文的539K论文。尽管妇女自我促进的程度和引文数量、作者地位、共同作者和研究题目的数量等许多重要因素之后,在Twitter上略微地提到她们的论文。我们发现,由于论文的杂志影响,其影响比作者的声誉影响更大。我们第一次提供了大规模证据,用以说明在学术意识上的自我认识差距,从而缩小了内部认识差距。

0
下载
关闭预览

相关内容

专知会员服务
123+阅读 · 2020年9月8日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
31+阅读 · 2022年2月15日
Arxiv
14+阅读 · 2020年12月17日
VIP会员
相关VIP内容
专知会员服务
123+阅读 · 2020年9月8日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员