論文の概要: Causal evidence of racial and institutional biases in accessing paywalled articles and scientific data

• arxiv url: http://arxiv.org/abs/2509.08299v1
• Date: Wed, 10 Sep 2025 05:39:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-11 15:16:52.317378
• Title: Causal evidence of racial and institutional biases in accessing paywalled articles and scientific data
• Title（参考訳）: 有料記事・科学データへのアクセスにおける人種的・制度的偏見の因果的証拠
• Authors: Hazem Ibrahim, Fengyuan Liu, Khalid Mengal, Aaron R. Kaufman, Yasir Zaki, Talal Rahwan,
• Abstract要約: 我々は、Global Southの研究者たちが、Global Northの論文よりもはるかに低いレートで、ペイウォールの論文や、オンデマンドのデータセットを引用していることを示している。 人種的アイデンティティーは、制度的アフィリエイトと比較して、有料記事要求に対する反応率を強く予測する。 これらの結果は、非公式なゲートキーピングが科学における構造的不平等を持続させることを示す。
• 参考スコア（独自算出の注目度）: 3.778678327105226
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scientific progress fundamentally depends on researchers' ability to access and build upon the work of others. Yet, a majority of published work remains behind expensive paywalls, limiting access to universities that can afford subscriptions. Furthermore, even when articles are accessible, the underlying datasets could be restricted, available only through a "reasonable request" to the authors. One way researchers could overcome these barriers is by relying on informal channels, such as emailing authors directly, to obtain paywalled articles or restricted datasets. However, whether these informal channels are hindered by racial and/or institutional biases remains unknown. Here, we combine qualitative semi-structured interviews, large-scale observational analysis, and two randomized audit experiments to examine racial and institutional disparities in access to scientific knowledge. Our analysis of 250 million articles reveals that researchers in the Global South cite paywalled papers and upon-request datasets at significantly lower rates than their Global North counterparts, and that these access gaps are associated with reduced knowledge breadth and scholarly impact. To interrogate the mechanisms underlying this phenomenon, we conduct two randomized email audit studies in which fictional PhD students differing in racial background and institutional affiliation request access to paywalled articles (N = 18,000) and datasets (N = 11,840). We find that racial identity more strongly predicts response rate to paywalled article requests compared to institutional affiliation, whereas institutional affiliation played a larger role in shaping access to datasets. These findings reveal how informal gatekeeping can perpetuate structural inequities in science, highlighting the need for stronger data-sharing mandates and more equitable open access policies.
• Abstract（参考訳）: 科学的進歩は、研究者が他人の仕事にアクセスし、構築する能力に大きく依存する。 しかし、出版物の大半は高価なペイウォールの裏側に残っており、購読料を払える大学へのアクセスを制限している。 さらに、記事がアクセス可能であったとしても、基礎となるデータセットは制限され、著者への"合理的な要求"を通じてのみ利用できる。 研究者がこれらの障壁を克服する方法の1つは、著者に直接メールしたり、有料記事や制限付きデータセットを取得するといった非公式なチャンネルに頼ることである。 しかし、これらの非公式チャネルが人種的または制度的偏見によって妨げられているかどうかは不明である。 ここでは, 質的半構造化インタビュー, 大規模観察分析, ランダム化された2つの監査実験を組み合わせて, 科学的知識へのアクセスにおける人種的・制度的格差について検討する。 われわれが分析した2億5000万件の論文によると、Global Southの研究者たちは、Global Northの論文よりもはるかに低いレートで、有料の論文や検索中のデータセットを引用し、これらのアクセスギャップは知識の広さと学術的影響の減少と関連している。 この現象の根底にあるメカニズムを問うために、人種的背景が異なる架空のPhD学生と、有料記事(N = 18,000)とデータセット(N = 11,840)へのアクセスを制度的に要求する2つのランダム化されたEメール監査研究を行った。 人種的アイデンティティーは、機関のアフィリエイトよりも有給品要求に対する反応率を強く予測するのに対し、機関のアフィリエイトはデータセットへのアクセスを形作る上で大きな役割を果たした。 これらの結果は、非公式なゲートキーピングが科学における構造的不平等を持続させ、より強力なデータ共有の委任とより公平なオープンアクセスポリシーの必要性を強調していることを示している。

関連論文リスト

• Beyond authorship: Analyzing contributions in PLOS ONE and the challenges of appropriate attribution [0.0]
  この研究は、PLOS ONE誌から81,823の論文を分析している。 9.14%の論文は、少なくとも1人の著者が不適切な著者であり、14,000人以上に影響している。 不適切な著作は、アジア、アフリカ、そしてイタリアのような特定のヨーロッパ諸国に集中している。
  論文  参考訳（メタデータ） (2025-04-08T06:47:52Z)
• Leveraging Large Language Models to Democratize Access to Costly Datasets for Academic Research [0.0]
  GPT-4o-mini を用いた新たな手法の開発と評価を行った。 提案手法は,約1万件のプロキシステートメントとCAM(Critical Audit Matters)から1万2000件以上の10-Kの書類から,CEOの給与比率を収集する上で,人間レベルの精度を実現する。 これは、手作業による収集に要する数百時間や、商用データベースのサブスクリプションに要する数千ドルとは対照的である。
  論文  参考訳（メタデータ） (2024-12-03T00:59:56Z)
• Web Scraping for Research: Legal, Ethical, Institutional, and Scientific Considerations [11.851771490297693]
  本稿では,アメリカの研究者を対象とした社会科学研究におけるWebスクレイピングの包括的枠組みを提案する。 我々は、研究者がスクラップを通じてデータにアクセスし、収集し、保存し、共有する方法に影響を及ぼす現在の規制環境の概要を述べる。 次に、科学的に合法的で倫理的な方法でスクレーピングを行うための推奨事項を研究者に提供する。
  論文  参考訳（メタデータ） (2024-10-30T20:20:44Z)
• A Survey of Privacy-Preserving Model Explanations: Privacy Risks, Attacks, and Countermeasures [50.987594546912725]
  AIのプライバシと説明可能性に関する研究が増えているにもかかわらず、プライバシを保存するモデル説明にはほとんど注意が払われていない。 本稿では,モデル説明に対するプライバシ攻撃とその対策に関する,最初の徹底的な調査を紹介する。
  論文  参考訳（メタデータ） (2024-03-31T12:44:48Z)
• Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
  機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。 2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。 我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
  論文  参考訳（メタデータ） (2024-01-24T20:05:49Z)
• Having your Privacy Cake and Eating it Too: Platform-supported Auditing of Social Media Algorithms for Public Interest [70.02478301291264]
  ソーシャルメディアプラットフォームは、情報や機会へのアクセスをキュレートするので、公衆の言論を形成する上で重要な役割を果たす。 これまでの研究では、これらのアルゴリズムが偏見や差別的な結果をもたらすことを示すためにブラックボックス法が用いられてきた。 本稿では,提案法の目標を満たすプラットフォーム支援型監査手法を提案する。
  論文  参考訳（メタデータ） (2022-07-18T17:32:35Z)
• Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
  データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。 研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。 公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。 残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
  論文  参考訳（メタデータ） (2022-02-03T17:25:46Z)
• Yes-Yes-Yes: Donation-based Peer Reviewing Data Collection for ACL Rolling Review and Beyond [58.71736531356398]
  本稿では、ピアレビューデータについて詳細な議論を行い、ピアレビューデータ収集のための倫理的・法的デシダータの概要を述べるとともに、最初の継続的な寄付ベースのデータ収集ワークフローを提案する。 本稿では、ACL Rolling Reviewにおいて、このワークフローの現在進行中の実装について報告し、新たに収集したデータから得られた最初の洞察を提供する。
  論文  参考訳（メタデータ） (2022-01-27T11:02:43Z)

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。