論文の概要: Forecasting Faculty Placement from Patterns in Co-authorship Networks
- arxiv url: http://arxiv.org/abs/2507.14696v1
- Date: Sat, 19 Jul 2025 17:09:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.011223
- Title: Forecasting Faculty Placement from Patterns in Co-authorship Networks
- Title（参考訳）: 共著者ネットワークにおけるパターンからの予測学部配置
- Authors: Samantha Dies, David Liu, Tina Eliassi-Rad,
- Abstract要約: 我々は,教員配置を個人レベルの予測課題とみなしている。
我々は,博士課程の権威や文献学的な特徴など,従来の属性を持つ時間的共著者ネットワークを用いている。
本研究の結果は,従来の学力向上と機関的威信の尺度を超えて,ソーシャルネットワーク,職業的支持,暗黙の擁護が教員の雇用において果たす役割を裏付けるものである。
- 参考スコア（独自算出の注目度）: 3.0565132187715007
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Faculty hiring shapes the flow of ideas, resources, and opportunities in academia, influencing not only individual career trajectories but also broader patterns of institutional prestige and scientific progress. While traditional studies have found strong correlations between faculty hiring and attributes such as doctoral department prestige and publication record, they rarely assess whether these associations generalize to individual hiring outcomes, particularly for future candidates outside the original sample. Here, we consider faculty placement as an individual-level prediction task. Our data consist of temporal co-authorship networks with conventional attributes such as doctoral department prestige and bibliometric features. We observe that using the co-authorship network significantly improves predictive accuracy by up to 10% over traditional indicators alone, with the largest gains observed for placements at the most elite (top-10) departments. Our results underscore the role that social networks, professional endorsements, and implicit advocacy play in faculty hiring beyond traditional measures of scholarly productivity and institutional prestige. By introducing a predictive framing of faculty placement and establishing the benefit of considering co-authorship networks, this work provides a new lens for understanding structural biases in academia that could inform targeted interventions aimed at increasing transparency, fairness, and equity in academic hiring practices.
- Abstract（参考訳）: 学部の雇用は、学界における考え、資源、機会の流れを形作っており、個々のキャリアの軌跡だけでなく、機関的な名声と科学的進歩の幅広いパターンにも影響を与えている。
従来の研究では、教員の雇用と、医師部門の名声や出版記録などの属性との間に強い相関関係がみられてきたが、これらの協会が個人雇用の結果、特に原サンプル以外の将来の候補者に一般化するかどうかを評価することは滅多にない。
ここでは,教員配置を個人レベルの予測課題とみなす。
我々のデータは、博士課程の権威や文献学的な特徴など、従来の属性を持つ時間的共著者ネットワークで構成されている。
共著者ネットワークを用いることで、従来の指標だけでは最大10%の精度で予測精度が向上し、最もエリート(トップ10)部門において最も多く見られた。
本研究の結果は,従来の学力向上と機関的威信の尺度を超えて,ソーシャルネットワーク,職業的支持,暗黙の擁護が教員の雇用において果たす役割を裏付けるものである。
この研究は、教員配置の予測的枠組みを導入し、共著者ネットワークを検討する利点を確立することによって、学術採用実践における透明性、公正性、公平性を高めることを目的とした、対象とする介入を通知する、アカデミックにおける構造的バイアスを理解するための新たなレンズを提供する。
関連論文リスト
- Edge interventions can mitigate demographic and prestige disparities in the Computer Science coauthorship network [1.606071974243323]
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。
論文 参考訳（メタデータ） (2025-06-04T20:36:24Z) - Employee Turnover Prediction: A Cross-component Attention Transformer with Consideration of Competitor Influence and Contagious Effect [12.879229546467117]
本研究では,企業間における個人従業員の転職を予測するために,ジョブの組込み性理論に基づく新たな深層学習手法を提案する。
提案手法は,最先端のベンチマーク手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2025-01-31T22:25:39Z) - Co-Supervised Learning: Improving Weak-to-Strong Generalization with
Hierarchical Mixture of Experts [81.37287967870589]
我々は,一貫した生徒を統括する,一貫した一貫した教師ではなく,多様な専門教師の集合を活用することを提案する。
我々のアプローチは、古典的な階層的な専門家の混合に似ている。
提案手法は,OpenAIの弱強ベンチマークと追加のマルチドメインデータセットを用いて,視覚認識タスクにより検証する。
論文 参考訳（メタデータ） (2024-02-23T18:56:11Z) - A Content-Based Novelty Measure for Scholarly Publications: A Proof of
Concept [9.148691357200216]
学術出版物にノベルティの情報理論尺度を導入する。
この尺度は、学術談話の単語分布を表す言語モデルによって知覚される「サプライズ」の度合いを定量化する。
論文 参考訳（メタデータ） (2024-01-08T03:14:24Z) - Independent Distribution Regularization for Private Graph Embedding [55.24441467292359]
グラフ埋め込みは属性推論攻撃の影響を受けやすいため、攻撃者は学習したグラフ埋め込みからプライベートノード属性を推測することができる。
これらの懸念に対処するため、プライバシ保護グラフ埋め込み手法が登場した。
独立分散ペナルティを正規化項として支援し, PVGAE(Private Variational Graph AutoEncoders)と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2023-08-16T13:32:43Z) - Exploring the Confounding Factors of Academic Career Success: An
Empirical Study with Deep Predictive Modeling [43.91066315776696]
本稿では,実証的,予測的モデリングの観点から,学業成功の決定要因について検討する。
我々は、共著者ネットワークを分析し、潜在的な学者が、成長するにつれて、より早く、より密接に、影響力のある学者と密接に働くことを発見した。
フェローであることは、引用の改善や生産性の向上をもたらすことができませんでした。
論文 参考訳（メタデータ） (2022-11-19T08:16:21Z) - Self-supervised debiasing using low rank regularization [59.84695042540525]
純粋な相関は、ディープニューラルネットワークの強いバイアスを引き起こし、一般化能力を損なう可能性がある。
ラベルのないサンプルと互換性のある自己監督型脱バイアスフレームワークを提案する。
注目すべきは,提案フレームワークが自己教師付き学習ベースラインの一般化性能を著しく向上させることである。
論文 参考訳（メタデータ） (2022-10-11T08:26:19Z) - "You Can't Fix What You Can't Measure": Privately Measuring Demographic
Performance Disparities in Federated Learning [78.70083858195906]
グループメンバーシップのプライバシを保護しつつ,グループ間でのパフォーマンスの差異を測定するための,差分プライベートなメカニズムを提案する。
我々の結果は、以前の研究の示唆に反して、プライバシ保護は必ずしもフェデレーションモデルの性能格差の特定と矛盾しているわけではないことを示している。
論文 参考訳（メタデータ） (2022-06-24T09:46:43Z) - Optimising Equal Opportunity Fairness in Model Training [60.0947291284978]
既存のデバイアス法、例えば、敵の訓練や、表現から保護された情報を取り除くことは、バイアスを減らすことが示されている。
2つの新たな学習目標を提案し,2つの分類課題における高い性能を維持しつつ,バイアスの低減に有効であることを示す。
論文 参考訳（メタデータ） (2022-05-05T01:57:58Z) - Statistical discrimination in learning agents [64.78141757063142]
統計的差別は、訓練人口のバイアスとエージェントアーキテクチャの両方の関数としてエージェントポリシーに現れる。
我々は、リカレントニューラルネットワークを使用するエージェントによる差別の低減と、トレーニング環境のバイアスの低減が示される。
論文 参考訳（メタデータ） (2021-10-21T18:28:57Z) - 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)
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。