Academic publishing is the principal medium of documenting and disseminating scientific discoveries. At the heart of its daily operations are the editorial boards. Despite their activities and recruitment often being opaque to outside observers, they play a crucial role in promoting fair evaluations and gender parity. Literature on gender inequality lacks the connection between women as editors and as research-active scientists, thereby missing the comparison between the gender balances in these two academic roles. Literature on editorial fairness similarly lacks longitudinal studies on the conflicts of interest arising from editors being research active, which motivates them to expedite the publication of their papers. We fill these gaps using a dataset of 103,000 editors, 240 million authors, and 220 million publications spanning five decades and 15 disciplines. This unique dataset allows us to compare the proportion of female editors to that of female scientists in any given year or discipline. Although women are already underrepresented in science (26%), they are even more so among editors (14%) and editors-in-chief (8%); the lack of women with long-enough publishing careers explains the gender gap among editors, but not editors-in-chief, suggesting that other factors may be at play. Our dataset also allows us to study the self-publication patterns of editors, revealing that 8% of them double the rate at which they publish in their own journal soon after the editorship starts, and this behavior is accentuated in journals where the editors-in-chief self-publish excessively. Finally, men are more likely to engage in this behaviour than women.


翻译:学术出版是记录和传播科学发现的主要媒介。在其日常业务的核心是编辑委员会。尽管它们的活动和招聘往往对外部观察者不透明,但它们在促进公平评价和两性均等方面发挥着关键作用。关于性别不平等的文献缺乏编辑和研究活跃的科学家之间的关联,因此缺乏这两个学术角色中两性平衡的比较。关于编辑公平的文献同样缺乏关于编辑积极从事的研究所产生的利益冲突的纵向研究,这促使编辑们加快出版论文。我们利用103,000名编辑、2.4亿作者和超过50年和15个学科的2.2亿出版物的数据集来填补这些差距。这个独特的数据集使我们能够将女性编辑的比例与任何一年或学科中女性科学家的比例进行比较。虽然妇女在科学领域的人数已经不足(26%),但在编辑和主编(8%)中,妇女的比例甚至更高;缺乏长期从事出版职业的妇女解释了编辑中的性别差距,而不是编辑中的性别差距,表明还有其他因素可能发挥作用。我们的数据设置也允许我们在任何一年或学科中将女性编辑的比例与女编辑的比例进行比较。在最后的期刊中,在出版中,女性的自我出版中,其自我出版的比例是更高。

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
机器学习入门的经验与建议
专知会员服务
92+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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20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
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年8月24日
Arxiv
0+阅读 · 2022年8月24日
Arxiv
46+阅读 · 2021年10月4日
A Survey of Deep Learning for Scientific Discovery
Arxiv
29+阅读 · 2020年3月26日
A Comprehensive Survey on Transfer Learning
Arxiv
121+阅读 · 2019年11月7日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20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
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员