机器学习算法量化天文学领域性别歧视

一项利用机器学习量化性别歧视的研究发现，天文学中的引用率对女性不利。苏黎世瑞士联邦理工学院的研究人员估计，由于性别歧视，第一作者是女性的论文的引用率比男性低10%。

引文模式中的性别差异以前在科学界已有记录。然而，研究人员还没有试图量化多少差异是由性别歧视造成的。例如，男性和女性可能发表不同类型的论文；女性可以在不同的科学领域工作，并且拥有初级职位。

这篇最新的文章还没有得到同行的评论，但是已经发表在预先打印好的服务器arXiv上，试图解释和纠正这些因素。作者拒绝对该论文发表评论，因为他们想把它提交给自然天文学出版。然而，其他专家表示，该分析看起来是可靠的。

“这篇文章的新颖之处在于打破了性别差异可能归因于文章具体内容而非性别的神话。”印第安纳大学伯明翰分校的信息科学家卡西迪·杉本四叶说。

研究人员分析了1950年至2015年在5种期刊上发表的20万篇论文。首先，他们训练机器学习算法来精确计算男性第一作者每篇论文的引用率。这一过程使用了尽可能多的与性别无关的因素，如期刊、出版领域和年份、第一作者的位置以及论文出版后已经过了多少年。

后来，他们要求算法分析第一个作者是女性的论文。这部分文章的实际引用率(自1985年以来)比第一作者为男性的文章低约6%。然而，该算法预测这些论文应该获得另外4%的引用率。

研究人员表示，这是他们“衡量性别歧视的最大努力”，但他们的结果应该谨慎对待，因为该算法可能需要考虑其他因素。(慢慢地)

阅读更多

《自然》杂志的相关报道