Self-promotion of research papers on social media is ubiquitous but not exercised to the same extent by every scholar. It is unclear whether there are gender differences in the frequency of self-promotion or the benefit it yields for individuals. Here, we examine differences in women's and men's scholarly self-promotion using 23 million Tweet mentions of 2.8 million research papers published between 2013 and 2018 by 3.5 million authors. Our analysis shows that women are significantly less likely (27\%) than men to promote their papers, even after controlling for a number of important factors, including publication year, journal impact, affiliation rank, author productivity, number of citations, authorship position, number of coauthors, and research topics. In addition, women's underrepresentation on Twitter only explains a small portion of the observed gender difference in self-promotion, as the disparity exists even among authors active on Twitter. The magnitude of the gender gap is more strongly associated with papers' journal impact factor than with authors' affiliation rank, previous productivity, or academic discipline. In particular, men are 78\% more likely than comparable women scholars to self-promote papers published in journals with very high impact factor (IF $\geq$ 40), whereas the difference is only 33\% for papers in low-impact score journals (IF $\leq$ 5). Furthermore, we find that women face a ``dilemma'' in online science dissemination -- while they promote their research less often than men on social media, they risk receiving less of a boost in attention than men if they do self-promote. Our findings offer the first large-scale evidence for a gender gap in scholarly self-promotion online and show the circumstances under which the gap is most substantial, helping inform policy to mitigate discrepancies in visibility and recognition.


翻译:社会媒体研究论文的自我促进普遍存在,但每个学者都没有同样程度地自我促进。 不清楚在自我促进的频率上是否有性别差异,或者它给个人带来的好处。 在这里,我们用2 300万 Tweet 来研究妇女和男子学术自我促进的差异。 我们用2 300万 Tweet 来研究妇女和男子在自我促进方面的差异。 在2013年至2018年期间发表的280万篇研究论文中,350万作者提到了280万篇。 我们的分析表明,妇女宣传论文的可能性远远低于男子(27 ⁇ ),即使在对一些重要因素进行控制之后也是如此。 这些因素包括出版年份、期刊影响、归属级别、作者生产率、引用、作者地位、作者人数、共同作者地位和研究主题等。 此外,在推特上妇女代表比例不足的性别差异中,女性在网络媒体上代表比例低的不平等程度通常低于女性,在互联网上代表比例低(IF - 5 ),在互联网上代表比例低的性别分析中显示,女性对自身影响也低于女性(IF - 5) 。

0
下载
关闭预览

相关内容

LESS 是一个开源的样式语言,受到 Sass 的影响。严格来说,LESS 是一个嵌套的元语言,符合语法规范的 CSS 语句也是符合规范的 Less 代码。
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
【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
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13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
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
1+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31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
1+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
0+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 · 2011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 · 2023年3月16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
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13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
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
1+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31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
1+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
0+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 · 2011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