É 2022 e as mulheres na ciência ainda têm menos probabilidade do que seus colegas homens de serem contratadas e promovidas. As mulheres são menos propensas a serem orientadas por professores eminentes, publicam em periódicos de menor prestígio, têm menos colaboradores, são sub-representadas entre revisores e editores de periódicos e seus artigos recebem menos citações. Como isso está acontecendo?
A cientista principal do Instituto de Ciências da Informação (ISI) da USC, Kristina Lerman, e sua equipe usaram a IA para procurar respostas para essa pergunta. O artigo resultante foi publicado na revista científica multidisciplinar revisada por pares Proceedings of the National Academy of Sciences (PNAS ) em 26 de setembro de 2022.

Como uma mulher na ciência, Lerman conhece o mundo em que trabalha, mas até ela ficou chocada com as estatísticas que aprendeu recentemente:apenas 2% dos vencedores do Prêmio Nobel de física eram mulheres (até alguns anos atrás, isso era 1%) e esses números são semelhantes em muitos campos científicos. Lerman disse:"apenas 7% dos vencedores do Prêmio Nobel em química são mulheres! As mulheres trabalham em química há tanto tempo, então como é isso? Estávamos curiosos sobre essa discrepância".

Dados certos, hora certa

Lerman tinha o conjunto de dados certo para o problema. Desde 2019, ela e sua equipe trabalhavam em um grande projeto que usava IA para prever a reprodutibilidade de trabalhos de pesquisa. A equipe do ISI usou a IA para analisar muitos aspectos de artigos científicos, incluindo as citações, para prever a reprodutibilidade. Eles publicaram o artigo "Assessing Scientific Research Papers with Knowledge Graphs" no ACM SIGIR 22 (o Grupo de Interesse Especial da Associação de Máquinas de Computação em Recuperação de Informações) em julho de 2022, descrevendo seu novo método e descobertas promissoras.

Para fazer essa pesquisa de reprodutibilidade, a equipe de Lerman reuniu uma enorme quantidade de dados em trabalhos acadêmicos. Seu co-autor Jay Pujara, diretor do Centro de Gráficos de Conhecimento do ISI, disse:"Coletamos esse gráfico de citações muito grande - a rede de artigos, autores, citações, referências, colaborações, instituições de autores, onde publicam etc." Eles transformaram esses dados em um vasto gráfico de conhecimento (um "gráfico de conhecimento" é uma representação de uma rede de entidades do mundo real que ilustra as relações entre elas).

A equipe analisou as formas ou "estruturas" que surgiram no gráfico de conhecimento. Eles se perguntaram se havia algum tipo de fenômeno natural causando as diferentes estruturas nas redes de citações. Além disso, eles queriam ter certeza de que os dados usados ​​em suas previsões de reprodutibilidade não estavam sendo afetados por vieses nos dados. Pujara disse:"Kristina [Lerman] teve a ideia de analisar covariáveis ​​como gênero ou prestígio". E com essa ideia, a equipe de pesquisadores partiu para ver se havia uma diferença em uma rede com base no fato de o autor ser homem ou mulher, bem como se eles estivessem em uma universidade de primeira ou em uma universidade de classificação inferior.

Quem, o quê e por quê das citações

Antes de prosseguirmos, algumas informações sobre como funciona a citação na pesquisa científica. Normalmente, existem três razões pelas quais um autor pode citar o artigo de outro autor.

Primeiro, como pano de fundo – para entender seu artigo, um autor citará outros artigos que fornecem as informações básicas necessárias. Segundo, para explicar um método – se um autor usou um método semelhante, uma versão ou comparável a um método de outro artigo, ele citará o artigo que explica esse método. E terceiro, resultados – um autor explicará seus resultados, mas poderá citar outros artigos que estudaram a mesma coisa, mas obtiveram resultados diferentes.

Recolhendo informações de citações

"Tentar estudar a rede de citações para todos os pesquisadores é muito difícil, então por que não escolhemos a nata da colheita?" disse Pujara. A equipe analisou cientistas eleitos para a Academia Nacional de Ciências dos EUA (NAS), uma das organizações científicas profissionais mais antigas e proeminentes. Os novos membros do NAS são eleitos pelos membros atuais com base em um histórico distinto de conquistas científicas, o que significa que, em teoria, todos alcançaram o mesmo escalão de reconhecimento. A equipe do ISI analisou 766 pesquisadores do NAS, 120 dos quais eram mulheres, levantando a hipótese de que diferenças complexas de gênero seriam visíveis dentro desse grupo de cientistas de elite.

A hipótese deles se mostrou correta.

Eles construíram redes de citações que capturaram a estrutura de reconhecimento de pares para cada membro do NAS. Essas estruturas diferiram significativamente entre os membros masculinos e femininos do NAS. As redes de mulheres eram muito mais agrupadas, indicando que uma cientista do sexo feminino deve ser mais inserida socialmente e ter uma rede de apoio mais forte do que seus colegas do sexo masculino. As diferenças foram sistêmicas o suficiente para permitir que o gênero do membro fosse classificado com precisão com base apenas em sua rede de citações.

Lerman disse:"Poderíamos escrever um algoritmo de IA que apenas analisasse as redes de citações e predissesse se esta era a rede de citações de uma mulher ou de um homem. Isso foi bastante chocante e decepcionante para nós".

Como um estudo de controle, a equipe também analisou a covariável de prestígio. Os membros do NAS afiliados a instituições de menor prestígio são uma minoria no NAS, semelhante às mulheres. Lerman disse, "teríamos imaginado que talvez as redes de citações de mulheres se parecessem com as de membros de universidades sem prestígio". Mas esse não foi o caso. Não observaram disparidades devido ao prestígio da afiliação institucional de um membro.

Conclusão:com base apenas na rede de citações de um cientista, o gênero pode ser determinado com precisão, mas o prestígio da universidade à qual o cientista é afiliado não. Isso sugere que o gênero continua a influenciar o sucesso na carreira científica, de acordo com a equipe do ISI.

Como parar de ser tão curto

Por que isso está acontecendo? Pujara disse:"Não sabemos. Pode ser porque há algum aspecto de gênero que muda o comportamento colaborativo. Ou pode ser algo sobre a sociedade que molda os pesquisadores e seus caminhos com base em preconceitos sociais. Então, na verdade, não sabemos o resposta para isso. O que sabemos é que há uma diferença."

A verdadeira questão é:como podemos mudar isso? Como podemos tornar a ciência um clima menos hostil para as mulheres, remover as barreiras às oportunidades para as mulheres e criar um ambiente que permita que as mulheres cheguem ao topo de seus campos?

A equipe do ISI espera que, no futuro, seus métodos e resultados possam ajudar. Para começar, este estudo pode ser usado para ajudar os pesquisadores a entender como são suas redes. Além disso, poderia ser usado como uma forma de os formuladores de políticas entenderem se os programas que visam melhorar a equidade de gênero na ciência estão funcionando.

Finalmente, e importante, podemos aprender com essas diferenças nas estruturas de citação entre homens e mulheres. "Para uma mulher ser reconhecida, ela precisa estar bem inserida e ter uma forte rede de apoio", disse Lerman. "Aconselhar mulheres jovens e dizer a elas que elas realmente precisam construir essas redes de apoio social e serem muito intencionais sobre elas" parece ser uma maneira de mudar a forma dessas estruturas... e a forma da ciência. + Explorar mais

Pesquisadores encontram viés de citação em artigos publicados e evidências de que o problema está piorando