論文の概要: Edge interventions can mitigate demographic and prestige disparities in the Computer Science coauthorship network

• arxiv url: http://arxiv.org/abs/2506.04435v1
• Date: Wed, 04 Jun 2025 20:36:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.418402
• Title: Edge interventions can mitigate demographic and prestige disparities in the Computer Science coauthorship network
• Title（参考訳）: エッジ介入は、コンピュータサイエンスの共著者ネットワークにおける人口動態と名声の格差を軽減する
• Authors: Kate Barnes, Mia Ellis-Einhorn, Carolina Chávez-Ruelas, Nayera Hasan, Mohammad Fanous, Blair D. Sullivan, Sorelle Friedler, Aaron Clauset,
• Abstract要約: 本稿では,Ph.D.グラッティングコンピュータサイエンス部門に勤務する米国拠点の5,670人の教員を対象に,ネットワーク中心性の不等式について検討する。 人種をマイノリティ化した女性や個人は、コンピュータサイエンスコオーサシップネットワークにおいて、あまり中心的な存在ではないことが分かりました。
• 参考スコア（独自算出の注目度）: 1.606071974243323
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social factors such as demographic traits and institutional prestige structure the creation and dissemination of ideas in academic publishing. One place these effects can be observed is in how central or peripheral a researcher is in the coauthorship network. Here we investigate inequities in network centrality in a hand-collected data set of 5,670 U.S.-based faculty employed in Ph.D.-granting Computer Science departments and their DBLP coauthorship connections. We introduce algorithms for combining name- and perception-based demographic labels by maximizing alignment with self-reported demographics from a survey of faculty from our census. We find that women and individuals with minoritized race identities are less central in the computer science coauthorship network, implying worse access to and ability to spread information. Centrality is also highly correlated with prestige, such that faculty in top-ranked departments are at the core and those in low-ranked departments are in the peripheries of the computer science coauthorship network. We show that these disparities can be mitigated using simulated edge interventions, interpreted as facilitated collaborations. Our intervention increases the centrality of target individuals, chosen independently of the network structure, by linking them with researchers from highly ranked institutions. When applied to scholars during their Ph.D., the intervention also improves the predicted rank of their placement institution in the academic job market. This work was guided by an ameliorative approach: uncovering social inequities in order to address them. By targeting scholars for intervention based on institutional prestige, we are able to improve their centrality in the coauthorship network that plays a key role in job placement and longer-term academic success.
• Abstract（参考訳）: 人口統計特性や制度的名声などの社会的要因は、学術出版におけるアイデアの創造と普及を構造化する。 これらの効果を観測できる場所の1つは、研究者がコオーサシップネットワークの中でいかに中心的または周辺的であるかである。 本稿では,Ph.D.granting Computer Science部門とDBLPコオーサシップ・コネクションに勤務する米国人5,670人の教員を対象に,ネットワーク中央性の不等式について検討する。 本研究は,大学教員を対象とした調査から,自己報告型人口統計との整合性を最大化することにより,名前と認識に基づく人口統計ラベルを組み合わせるアルゴリズムを提案する。 人種が小さかった女性や個人は、コンピュータサイエンスのコオーサシップネットワークにおいてあまり中心的な存在ではなく、情報の拡散やアクセスの悪さを暗示している。 中央性は、上位部署の学部が中核にあり、下位部署の学部がコンピュータサイエンスの共著者ネットワークの周辺にあるという名声とも高い相関関係がある。 我々は,これらの格差をシミュレーションされたエッジ介入を用いて緩和できることを示し,共同作業の促進と解釈した。 我々の介入は、高度にランク付けされた機関の研究者とリンクすることで、ネットワーク構造から独立して選択された対象個人の集中性を高める。 博士課程の期間中に学者に適用されると、この介入は学術職市場での配置機関の予想されるランクも改善する。 この研究は、社会的な不平等に対処するための改善的なアプローチによって導かれた。 機関的威信に基づく介入を学者に狙うことにより、職の配置や長期の学術的成功において重要な役割を果たす共著者ネットワークにおける彼らの中心性を向上させることができる。

関連論文リスト

• Examining Different Research Communities: Authorship Network [0.0]
  コンピュータサイエンスの2つの異なる研究領域、データマイニングとソフトウェアエンジニアリングのためのGoogle Scholarデータを収集しました。 研究者データベースリソースは、ネットワーク分析、データマイニング、著者ネットワークを介して著者間のリンクを特定するために強力である。
  論文  参考訳（メタデータ） (2024-08-24T19:04:02Z)
• Networked Communication for Mean-Field Games with Function Approximation and Empirical Mean-Field Estimation [59.01527054553122]
  分散エージェントは、経験的システムの非絶対的実行から平均フィールドゲームにおいて平衡を学ぶことができる。 既存の設定に関数近似を導入し,Munchausen Online Mirror Descent 方式で描画する。 ポリシー情報の交換は,ネットワーク化されたエージェントが,機能近似設定において,独立エージェントと集中エージェントの両方より優れていることを示す。
  論文  参考訳（メタデータ） (2024-08-21T13:32:46Z)
• The Compute Divide in Machine Learning: A Threat to Academic Contribution and Scrutiny? [1.0985060632689174]
  計算の偏差は、計算集約的な研究トピックにおける学術のみの研究チームの表現の減少と一致していることを示す。 この傾向から生じる課題に対処するため、留意的に学術的な洞察を広めるためのアプローチを推奨する。
  論文  参考訳（メタデータ） (2024-01-04T01:26:11Z)
• Networked Communication for Decentralised Agents in Mean-Field Games [59.01527054553122]
  平均フィールドゲームフレームワークにネットワーク通信を導入する。 当社のアーキテクチャは、中央集権型と独立した学習ケースの双方で保証されていることを証明しています。 ネットワーク化されたアプローチは、障害の更新や人口規模の変化に対する堅牢性という点において、両方の選択肢に対して大きなメリットがあることが示されています。
  論文  参考訳（メタデータ） (2023-06-05T10:45:39Z)
• Assessing Scientific Contributions in Data Sharing Spaces [64.16762375635842]
  本稿では、研究者の科学的貢献を測定するブロックチェーンベースのメトリクスであるSCIENCE-indexを紹介する。 研究者にデータ共有のインセンティブを与えるため、SCIENCE-indexはデータ共有パラメータを含むように拡張されている。 本モデルは, 地理的に多様な研究者の出力分布とh-indexの分布を比較して評価する。
  論文  参考訳（メタデータ） (2023-03-18T19:17:47Z)
• Rank Diminishing in Deep Neural Networks [71.03777954670323]
  ニューラルネットワークのランクは、層をまたがる情報を測定する。 これは機械学習の幅広い領域にまたがる重要な構造条件の例である。 しかし、ニューラルネットワークでは、低ランク構造を生み出す固有のメカニズムはあいまいで不明瞭である。
  論文  参考訳（メタデータ） (2022-06-13T12:03:32Z)
• The Dynamics of Faculty Hiring Networks [1.6114012813668934]
  適応的再配線ネットワークモデルの一群について検討し,5つの方法により機関の威信を高めた。 実際の雇用ネットワークにおける構造的不平等と中心性パターンは、グローバルな配置力のメカニズムによって最もよく再現されている。 一方,局地的な配置力のメカニズムにより,ネットワークの偏りの可視性が向上する。
  論文  参考訳（メタデータ） (2021-05-06T21:02:20Z)
• GAEA: Graph Augmentation for Equitable Access via Reinforcement Learning [50.90625274621288]
  異なるサブ人口によるリソースへの別のアクセスは、社会および社会技術ネットワークにおける一般的な問題です。 予算制約下でグラフエッジを編集することにより,ネットワークシステムにおける公平性を高めるため,新たな問題クラスであるグラフ拡張・等価アクセス(GAEA)を導入する。
  論文  参考訳（メタデータ） (2020-12-07T18:29:32Z)
• The De-democratization of AI: Deep Learning and the Compute Divide in Artificial Intelligence Research [0.2855485723554975]
  大手テクノロジー企業やエリート大学は、2012年のディープラーニングの予期せぬ増加以来、主要なAIカンファレンスへの参加を増やしている。 この効果は、QS世界大学ランキングで1-50位にランクされているエリート大学に集中している。 このAI研究における企業やエリート大学の存在の増加は、中層(QSが201-300位)と下層(QSが301-500位)の大学が混在している。
  論文  参考訳（メタデータ） (2020-10-22T15:11:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。