論文の概要: Is Higher Team Gender Diversity Correlated with Better Scientific Impact?

• arxiv url: http://arxiv.org/abs/2606.24098v1
• Date: Tue, 23 Jun 2026 03:25:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.754262
• Title: Is Higher Team Gender Diversity Correlated with Better Scientific Impact?
• Title（参考訳）: チームのジェンダーの多様性は、より良い科学的影響と結びつくか?
• Authors: Chengzhi Zhang, Jiaqi Zeng, Yi Zhao,
• Abstract要約: 自然言語処理(NLP)と図書館情報科学(LIS)ドメインの例を用いて,ジェンダーの多様性と論文の科学的影響の相関を分析する。 NLP と LIS の両領域に有意な男女差がみられ,女性学者は少なかった。 紙のコラボレーションにおける性別の多様性と、それらの論文が受ける引用数との間には、逆U字型の関係がある。
• 参考スコア（独自算出の注目度）: 16.17086009251377
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collaborative research involving scholars of various genders constitutes a prominent theme in scientific research that has garnered substantial attention. While several studies have investigated the connection between gender-specific collaboration patterns and the scientific impact of paper, the specific gender diversity factors that contribute to enhanced scientific impact remain largely unexplored. In this study, we analyze the correlation between gender diversity and the scientific impact of papers using the examples of Natural Language Processing (NLP) and Library and Information Science (LIS) domains. Our findings reveal three key observations: First, significant gender disparities exist in both NLP and LIS domains, with underrepresentation of female scholars. The gender disparity is more pronounced in the NLP domain compared to the LIS domain. Second, based on papers from the NLP and LIS domains, we find that papers with different gender compositions achieve varying numbers of citations, with mixed-gender collaborations gradually obtaining higher average citation counts compared to same-gender collaborations. Lastly, there is an inverted U-shaped relationship between the gender diversity of paper collaborations and the number of citations received by those papers. Based on the most impactful gender diversity calculations, the ideal gender ratio for NLP and LIS teams within a range where one gender constitutes 5% to 15% of the total number of authors. This paper contributes to the exploration of the most impactful gender diversity in collaborative research and offers insights to guide more effective scientific paper collaboration.
• Abstract（参考訳）: 様々な性別の学者を巻き込んだ共同研究は、科学研究において顕著なテーマとなり、大きな注目を集めている。 いくつかの研究では、ジェンダー固有のコラボレーションパターンと論文の科学的影響の関連について研究されているが、科学的影響の強化に寄与する特定のジェンダーの多様性要因はほとんど解明されていない。 本研究では、自然言語処理(NLP)と図書館情報科学(LIS)ドメインの例を用いて、ジェンダーの多様性と論文の科学的影響の相関関係を分析する。 まず,NLP領域とLIS領域に有意な男女差があり,女性学者の不足がみられた。 LISドメインと比較して、性差はNLPドメインでより顕著である。 第2に,NLP と LIS ドメインの論文から,男女構成の異なる論文では,男女間のコラボレーションが,同性間のコラボレーションに比べて平均的な引用回数を徐々に増加させ,多様な引用数が得られることがわかった。 最後に、紙のコラボレーションにおける性別の多様性と、それらの論文の引用数との間には、逆U字型の関係がある。 最も影響力のあるジェンダーの多様性の計算に基づいて、NLPとLISチームにとって理想的なジェンダー比率は、一人のジェンダーが著者の総数の5%から15%を占める範囲内である。 本稿では,協力研究における最も影響力のあるジェンダー多様性の探索に寄与し,より効果的な科学的論文コラボレーションの指針となる洞察を提供する。

関連論文リスト

• The Effect of Gender Diversity on Scientific Team Impact: A Team Roles Perspective [13.318002141663579]
  我々は多変量回帰を用いて、リーダーシップにおけるジェンダーの多様性とサポートの役割とチームへの影響の関連性を調べる。 その結果, ジェンダーの多様性とチームへの影響の関係は, リーダーシップと支援団体の双方にとって逆U字型であることがわかった。
  論文  参考訳（メタデータ） (2025-12-29T12:49:21Z)
• Gender Disparities in Contributions, Leadership, and Collaboration: An Exploratory Study on Software Systems Research [1.8049331600471712]
  私たちは過去10年間に2000の論文をJournal of Systems and Softwareで分析しました。 分析の結果、全著者の32.74%が女性であり、女性主導または監督された研究は男性よりも少なかった。 第三に、ソフトウェアシステム研究の分野を探索し、女性作家が人間中心の研究領域に積極的に関わっていることを発見した。
  論文  参考訳（メタデータ） (2024-12-20T08:20:23Z)
• GenderCARE: A Comprehensive Framework for Assessing and Reducing Gender Bias in Large Language Models [73.23743278545321]
  大規模言語モデル(LLM)は、自然言語生成において顕著な能力を示してきたが、社会的バイアスを増大させることも観察されている。 GenderCAREは、革新的な基準、バイアス評価、リダクションテクニック、評価メトリクスを含む包括的なフレームワークである。
  論文  参考訳（メタデータ） (2024-08-22T15:35:46Z)
• Beyond Binary Gender: Evaluating Gender-Inclusive Machine Translation with Ambiguous Attitude Words [85.48043537327258]
  既存の機械翻訳の性別バイアス評価は主に男性と女性の性別に焦点を当てている。 本研究では,AmbGIMT (Gender-Inclusive Machine Translation with Ambiguous attitude words) のベンチマークを示す。 本研究では,感情的態度スコア(EAS)に基づく性別バイアス評価手法を提案する。
  論文  参考訳（メタデータ） (2024-07-23T08:13:51Z)
• Inclusivity in Large Language Models: Personality Traits and Gender Bias in Scientific Abstracts [49.97673761305336]
  我々は,3つの大きな言語モデル (LLM) を,人間の物語スタイルと潜在的な性別バイアスに適合させることで評価した。 以上の結果から,これらのモデルは一般的にヒトの投稿内容によく似たテキストを生成するが,スタイル的特徴の変化は有意な性差を示すことが示唆された。
  論文  参考訳（メタデータ） (2024-06-27T19:26:11Z)
• Towards Understanding Gender-Seniority Compound Bias in Natural Language Generation [64.65911758042914]
  本研究では,事前学習したニューラルジェネレーションモデルにおける性別バイアスの程度に,高齢者がどのような影響を及ぼすかを検討する。 以上の結果から, GPT-2は, 両領域において, 女性を中年, 男性を中年として考えることにより, 偏見を増幅することが示された。 以上の結果から, GPT-2を用いて構築したNLPアプリケーションは, プロの能力において女性に害を与える可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-19T20:05:02Z)
• Investigating writing style as a contributor to gender gaps in science and technology [0.0]
  文章のスタイルは性別によって大きく異なり、女性はより関連性のある特徴を用いている。 より関連性の高い論文や特許も女性によって引用される傾向にある。 以上の結果から, 科学的テキストは人格を欠くものではないことが示唆され, 評価のバイアスに寄与する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-04-28T22:33:36Z)
• Gender Stereotype Reinforcement: Measuring the Gender Bias Conveyed by Ranking Algorithms [68.85295025020942]
  本稿では,性別ステレオタイプをサポートする検索エンジンの傾向を定量化するジェンダーステレオタイプ強化(GSR)尺度を提案する。 GSRは、表現上の害を定量化できる情報検索のための、最初の特別に調整された尺度である。
  論文  参考訳（メタデータ） (2020-09-02T20:45:04Z)
• Multi-Dimensional Gender Bias Classification [67.65551687580552]
  機械学習モデルは、性別に偏ったテキストでトレーニングする際に、社会的に望ましくないパターンを不注意に学習することができる。 本稿では,テキスト中の性バイアスを複数の実用的・意味的な次元に沿って分解する一般的な枠組みを提案する。 このきめ細かいフレームワークを用いて、8つの大規模データセットにジェンダー情報を自動的にアノテートする。
  論文  参考訳（メタデータ） (2020-05-01T21:23:20Z)

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。