Gender bias in grant allocation is a deviation from the principle that scientific merit should guide grant decisions. However, most studies on gender bias in grant allocation focus on gender differences in success rates, without including variables that measure merit. This study has two main contributions. Firstly, it includes several merit variables in the analysis. Secondly, it includes an analysis at the panel level where the selection process takes place, and this enables to study bias more in-depth at the process level. The findings are: (i) After controlling for merit, a consistent pattern of gender bias was found in the scores: women receive significant lower grades than men do. (ii) The scores are an input into the two-step decision-making process, and this study shows bias against women in the first selection decision where 75% of the applications are rejected, and bias in favor of women in the second (final) selection decision. (iii) At the level of individual panels, the analysis shows a mixed pattern of bias: in some panels the odds for women to receive a grant are lower than for men, whereas in other panels we find the opposite, next to panels with gender-neutral decision making. (iv) In the case under study, at an aggregated level the allocation of grants seems balanced. (v) The mixed pattern at panel level seems to relate characteristics such as the panel composition, and the level of gender stereotyping.


翻译:赠款分配方面的性别偏向偏离了科学优异应指导赠款决定的原则,然而,大多数关于赠款分配中的性别偏向的研究都侧重于成功率方面的性别差异,而没有包括衡量优异的变量。这项研究有两个主要贡献:首先,在分析中包括若干优异变量。其次,它包括在甄选过程所在的小组一级进行分析,从而能够在过程一级更深入地研究偏向性。结果显示:(一)在对优异进行控制之后,在得分中发现性别偏向的一贯模式:妇女得到的等级大大低于男子。 (二)分是对两步决策过程的投入,而这一研究显示在第一次甄选决定中对妇女的偏见,其中75%的申请被拒绝,在第二个(最后)甄选决定中偏向于妇女。 (三) 在个别小组一级,分析显示出一种混合的偏向性偏见模式:在一些小组中,妇女获得赠款的可能性低于男子,而在另一些小组中,我们发现与作出不带性别偏向性决定的小组的情况相反。 (四) 在第一次甄选决定中,有75%的申请被拒绝,在第二次(最后)甄选决定中,在小组一级,似乎在小组结构上的性别分布是平衡。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28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 Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1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 Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20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】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22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 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013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
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
Arxiv
0+阅读 · 2022年7月15日
VIP会员
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1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 Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20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】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22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 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013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
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
Top
微信扫码咨询专知VIP会员