È il 2022 e le donne nel campo della scienza hanno ancora meno probabilità rispetto ai loro coetanei maschi di essere assunte e promosse. Le donne hanno meno probabilità di essere seguite da docenti eminenti, pubblicano su riviste meno prestigiose, hanno meno collaboratori, sono sottorappresentate tra i revisori e gli editori di riviste e i loro articoli ricevono meno citazioni. Come sta succedendo?

La scienziata principale dell'Information Sciences Institute (ISI) dell'USC Kristina Lerman e il suo team hanno utilizzato l'IA per cercare risposte a questa domanda. Il documento risultante è stato pubblicato sulla rivista scientifica multidisciplinare e sottoposta a revisione paritaria Proceedings of the National Academy of Sciences (PNA ) il 26 settembre 2022.

Essendo lei stessa una donna scientifica, Lerman conosce il mondo in cui lavora, ma anche lei è rimasta scioccata dalle statistiche che ha appreso di recente:solo il 2% dei premi Nobel per la fisica sono state donne (fino a pochi anni fa era l'1%) e quei numeri sono simili in molti campi scientifici. Lerman ha detto:"solo il 7% dei vincitori del Premio Nobel per la chimica sono state donne! Le donne hanno lavorato in chimica per così tanto tempo, quindi com'è? Eravamo curiosi di questa discrepanza".

Dati giusti, momento giusto

Lerman aveva il set di dati giusto per il problema. Dal 2019, lei e il suo team hanno lavorato a un grande progetto che utilizzava l'IA per prevedere la riproducibilità dei documenti di ricerca. Il team ISI ha utilizzato l'IA per analizzare molti aspetti degli articoli scientifici, comprese le citazioni, per prevedere la riproducibilità. Hanno pubblicato il documento "Assessing Scientific Research Papers with Knowledge Graphs" presso ACM SIGIR 22 (l'Association for Computing Machinery's Special Interest Group on Information Retrieval) nel luglio 2022, descrivendo il loro nuovo metodo e risultati promettenti.

Per fare questa ricerca sulla riproducibilità, il team di Lerman ha raccolto un'enorme quantità di dati su documenti accademici. Il suo coautore Jay Pujara, direttore del Center on Knowledge Graphs dell'ISI, ha dichiarato:"Abbiamo raccolto questo grafico di citazioni molto ampio:la rete di articoli, autori, citazioni, riferimenti, collaborazioni, istituzioni d'autore, dove pubblicano, ecc." Hanno trasformato questi dati in un vasto grafico della conoscenza (un "grafico della conoscenza" è una rappresentazione di una rete di entità del mondo reale che illustra le relazioni tra di loro).

Il team ha esaminato le forme o "strutture" emerse nel grafico della conoscenza. Si chiedevano se ci fosse qualche tipo di fenomeno naturale che causava le diverse strutture nelle reti di citazioni. Inoltre, volevano assicurarsi che i dati utilizzati nelle loro previsioni di riproducibilità non fossero influenzati da distorsioni nei dati. Pujara ha detto:"Kristina [Lerman] ha avuto l'idea di guardare a covariate come il genere o il prestigio". E con quell'idea, il team di ricercatori ha deciso di vedere se c'era una differenza in una rete in base al fatto che l'autore fosse un uomo o una donna, così come se si trovassero in un'università di alto livello o in un'università di livello inferiore.

Il chi, cosa e perché delle citazioni

Prima di andare oltre, una piccola informazione su come funziona la citazione nella ricerca scientifica. In genere ci sono tre ragioni per cui un autore potrebbe citare un articolo di un altro autore.

In primo luogo, come sfondo:per comprendere il proprio articolo, un autore citerà altri documenti che forniscono le informazioni di base necessarie. In secondo luogo, per spiegare un metodo:se un autore ha utilizzato un metodo simile, una versione o paragonabile a un metodo di un altro articolo, citerà il documento che spiega quel metodo. E terzo, i risultati:un autore spiegherà i propri risultati, ma potrebbe citare altri articoli che hanno studiato la stessa cosa ma hanno ottenuto risultati diversi.

Raccogliere informazioni dalle citazioni

"Cercare di studiare la rete di citazioni per ogni ricercatore là fuori è davvero difficile, quindi perché non scegliamo la crema del raccolto?" disse Pujara. Il team ha esaminato gli scienziati eletti alla National Academy of Sciences (NAS) degli Stati Uniti, una delle organizzazioni scientifiche professionali più antiche e importanti. I nuovi membri del NAS sono eletti dai membri attuali sulla base di un illustre record di risultati scientifici, il che significa che, in teoria, hanno tutti raggiunto lo stesso livello di riconoscimento. Il team dell'ISI ha esaminato 766 ricercatori NAS, 120 dei quali erano donne, ipotizzando che differenze di genere complesse sarebbero state visibili all'interno di questo gruppo di scienziati d'élite.

La loro ipotesi si è rivelata corretta.

Hanno costruito reti di citazioni che catturavano la struttura del riconoscimento tra pari per ciascun membro NAS. Queste strutture differivano in modo significativo tra i membri NAS maschili e femminili. Le reti delle donne erano molto più strettamente raggruppate, indicando che una scienziata deve essere più radicata socialmente e avere una rete di supporto più forte rispetto alle sue controparti maschili. Le differenze erano abbastanza sistemiche da consentire di classificare accuratamente il genere del membro in base alla sola rete di citazioni.

Lerman ha affermato:"Potremmo scrivere un algoritmo di intelligenza artificiale che esaminasse le reti di citazioni e prevedesse se si trattava della rete di citazioni di una donna o di un uomo. Questo è stato piuttosto scioccante e deludente per noi".

Come studio di controllo, il team ha anche esaminato la covariata del prestigio. I membri NAS affiliati a istituzioni meno prestigiose sono una minoranza in NAS, simile alle donne. Lerman ha detto:"avremmo immaginato che forse le reti di citazioni delle donne sarebbero state simili a quelle dei membri di università non prestigiose". Ma non è questo il caso. Non hanno riscontrato disparità dovute al prestigio dell'appartenenza istituzionale di un membro.

Conclusione:sulla base della sola rete di citazioni di uno scienziato, il sesso può essere determinato con precisione, ma il prestigio dell'università a cui lo scienziato è affiliato non può. Ciò suggerisce che il genere continua a influenzare il successo professionale nella scienza, secondo il team dell'ISI.

Come smettere di essere così abbreviato

Perché sta succedendo? Pujara ha detto:"Non lo sappiamo. Potrebbe essere perché c'è qualche aspetto del genere che cambia il comportamento collaborativo. Oppure potrebbe essere qualcosa sulla società che modella i ricercatori e i loro percorsi in base ai pregiudizi sociali. Quindi in realtà non conosciamo il rispondi. Quello che sappiamo è che c'è una differenza."

La vera domanda è:come possiamo cambiarlo? Come possiamo rendere la scienza un clima meno ostile per le donne, rimuovere le barriere alle opportunità per le donne e creare un ambiente che consenta alle donne di raggiungere la vetta dei loro campi?

Il team ISI spera che, andando avanti, i loro metodi e risultati possano aiutare. Per iniziare, questo studio potrebbe essere utilizzato per aiutare i ricercatori a capire che aspetto hanno le loro reti. Inoltre, potrebbe essere utilizzato come un modo per i responsabili politici di capire se i programmi volti a migliorare l'equità di genere nella scienza stanno funzionando.

Infine, e soprattutto, possiamo imparare da queste differenze nelle strutture delle citazioni tra uomini e donne. "Per essere riconosciuta, una donna deve essere ben radicata e avere una forte rete di supporto", ha detto Lerman. "Fare da mentore alle giovani donne e dire loro che devono davvero costruire quelle reti di supporto sociale ed essere molto intenzionali su di loro" sembra essere un modo per cambiare la forma di queste strutture... e la forma della scienza. + Esplora ulteriormente

I ricercatori trovano errori di citazione nei documenti pubblicati e prova che il problema sta peggiorando