Examiner les biais de genre dans les promotions académiques en Italie
Cet article examine le biais de genre dans les promotions académiques en ingénierie logicielle et en informatique en Italie.
― 6 min lire
Table des matières
- L'Importance de S'attaquer au Biais de Genre
- Paysage de la Recherche Actuelle
- Méthodologie : Comment les Données Ont Été Collectées
- Analyser le Biais de Genre dans les Promotions
- Résultats : Tendances au Fil des Ans
- Comprendre les Implications des Résultats
- Directions Futures pour la Recherche
- Conclusion
- Source originale
- Liens de référence
Le Biais de genre dans l'éducation et au travail est devenu un sujet important ces dernières années. Alors que de nombreuses études se sont concentrées sur l'impact de ce biais sur les étudiants, il reste encore beaucoup à apprendre sur son effet sur le personnel académique, surtout dans des domaines comme l'Ingénierie logicielle et l'informatique. Cet article examine comment le biais de genre joue un rôle dans les promotions académiques dans ces domaines en Italie.
L'Importance de S'attaquer au Biais de Genre
Le biais de genre désigne le traitement injuste ou la discrimination envers des individus en fonction de leur genre. Dans le milieu académique, cela peut affecter le recrutement, les promotions et autres avancées de carrière. Comprendre l'ampleur de ce biais est crucial pour créer un environnement de travail équitable. En examinant les promotions académiques en informatique et en ingénierie logicielle, on peut obtenir des insights sur l'existence de biais de genre et son évolution au fil des ans.
Paysage de la Recherche Actuelle
La recherche sur le biais de genre dans le milieu académique a énormément augmenté. De nombreuses études ont souligné les défis auxquels sont confrontées les femmes pour réussir académiquement. Cependant, la plupart de ces recherches se concentrent sur les étudiants plutôt que sur les membres du corps professoral et leurs promotions. Cet article se propose de combler cette lacune en analysant comment le biais de genre affecte les promotions académiques en Italie, particulièrement en informatique et en ingénierie logicielle.
Méthodologie : Comment les Données Ont Été Collectées
Pour analyser efficacement le biais de genre, les Chercheurs ont collecté des données sur les promotions académiques à partir de diverses sources. Les données comprenaient des infos personnelles comme l'âge et le genre, des détails sur les carrières académiques telles que les postes occupés et les responsabilités, ainsi que des métriques de productivité scientifique comme le nombre de publications et les citations. Ces données ont été recueillies sur les sites officiels des universités et des instituts de recherche en Italie.
Les données collectées ont ensuite été soigneusement anonymisées pour protéger l'identité des personnes impliquées. Cela permet de garder les infos personnelles confidentielles tout en permettant aux chercheurs d'analyser les tendances et les patterns liés au biais de genre.
Analyser le Biais de Genre dans les Promotions
L'étude s'est concentrée sur deux transitions clés dans les carrières académiques : le passage de chercheur à professeur associé et de professeur associé à professeur titulaire. L'analyse a utilisé un indicateur appelé Impact Disparate, qui mesure la probabilité que des individus de différents groupes de genre reçoivent des résultats positifs, comme des promotions.
En comparant les données pour les académiciens masculins et féminins dans les domaines de l'informatique et de l'ingénierie logicielle, les chercheurs ont cherché à identifier des différences significatives dans les taux de promotion. Ce méthode permet de mieux comprendre comment le biais de genre peut se manifester dans les milieux académiques.
Résultats : Tendances au Fil des Ans
L'analyse a révélé des tendances intéressantes concernant le biais de genre dans les promotions académiques de 2018 à 2022 :
Promotions au Poste de Professeur Associé : Dans les domaines de l'informatique et de l'ingénierie logicielle, les données ont montré une légère tendance à la hausse du biais de genre. Cependant, le domaine de l'ingénierie logicielle affichait un niveau de biais plus élevé par rapport à la communauté informatique dans son ensemble. Cela signifie que les chercheuses en ingénierie logicielle avaient plus de difficultés à être promues au rang de professeur associé que leurs homologues masculins.
Promotions au Poste de Professeur Titulaire : Pour ce qui est des promotions au poste de professeur titulaire, la situation semblait différente. La communauté de l'ingénierie logicielle affichait un niveau de biais plus bas par rapport à la communauté informatique globale. Cela indique que bien que les promotions au poste de professeur associé puissent favoriser plus les académiciens masculins en ingénierie logicielle, la tendance s'inverse quand on regarde les promotions au poste de professeur titulaire, où les femmes semblent avoir de meilleurs résultats.
Comprendre les Implications des Résultats
Ces résultats montrent que le biais de genre n'est pas un problème uniforme dans toutes les promotions académiques. Les patterns observés suggèrent que bien que la communauté de l'ingénierie logicielle ait progressé dans certains domaines, elle continue d'affronter des défis uniques en matière d'équité de genre.
C'est crucial que les universités et les institutions académiques reconnaissent ces tendances pour qu'elles puissent mettre en place des mesures pour réduire le biais. Une prise de conscience accrue et une meilleure compréhension de la manière dont la discrimination basée sur le sexe se manifeste peuvent mener à des interventions plus ciblées visant à promouvoir l'équité dans les promotions académiques.
Directions Futures pour la Recherche
L'étude ouvre également des perspectives pour des recherches futures. D'autres pays peuvent bénéficier d'études similaires examinant les promotions académiques dans différents contextes. En rassemblant des données de diverses sources, les chercheurs peuvent créer une image plus complète du biais de genre dans le milieu académique à l'échelle mondiale.
De plus, de futures études pourraient se pencher sur l'impact des algorithmes d'apprentissage automatique sur le recrutement et les promotions. En entraînant ces algorithmes sur les données collectées, les chercheurs peuvent évaluer s'ils perpétuent les biais existants et comment les ajuster pour obtenir des résultats plus justes.
Conclusion
Le biais de genre reste un sérieux défi dans le milieu académique, particulièrement dans les domaines de l'informatique et de l'ingénierie logicielle. En examinant les patterns de promotion des académiciens masculins et féminins en Italie, les chercheurs ont mis en lumière des tendances clés qui indiquent des niveaux de biais variés. S'attaquer à ces problèmes nécessite un effort collectif des institutions académiques, des décideurs et des chercheurs pour garantir l'équité dans les pratiques de promotion.
À mesure que la sensibilisation grandit et que plus de données sont collectées, on espère que les environnements académiques continueront de s'améliorer, favorisant un climat plus inclusif et équitable pour les académiciens de tous genres. Le chemin vers l'équité de genre dans le milieu académique est en cours, et une vigilance et une action continues sont essentielles pour briser les barrières qui entravent le progrès.
Titre: Data-Driven Analysis of Gender Fairness in the Software Engineering Academic Landscape
Résumé: Gender bias in education gained considerable relevance in the literature over the years. However, while the problem of gender bias in education has been widely addressed from a student perspective, it is still not fully analysed from an academic point of view. In this work, we study the problem of gender bias in academic promotions (i.e., from Researcher to Associated Professor and from Associated to Full Professor) in the informatics (INF) and software engineering (SE) Italian communities. In particular, we first conduct a literature review to assess how the problem of gender bias in academia has been addressed so far. Next, we describe a process to collect and preprocess the INF and SE data needed to analyse gender bias in Italian academic promotions. Subsequently, we apply a formal bias metric to these data to assess the amount of bias and look at its variation over time. From the conducted analysis, we observe how the SE community presents a higher bias in promotions to Associate Professors and a smaller bias in promotions to Full Professors compared to the overall INF community.
Auteurs: Giordano d'Aloisio, Andrea D'Angelo, Francesca Marzi, Diana Di Marco, Giovanni Stilo, Antinisca Di Marco
Dernière mise à jour: 2023-09-20 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2309.11239
Source PDF: https://arxiv.org/pdf/2309.11239
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.
Liens de référence
- https://doi.org/10.1111/1467-9485.00199
- https://doi.org/10.1111/jasp.12780
- https://cercauniversita.cineca.it/php5/docenti/cerca.php
- https://ustat.miur.it/
- https://reclutamento.murst.it/
- https://abilitazione.miur.it/public/pubblicacandidati.php
- https://www.sobigdata.eu
- https://bit.ly/3Ap7ELW
- https://bit.ly/3Nr04s1
- https://bit.ly/41Ejdef
- https://bit.ly/44oMZFP
- https://bit.ly/3npPkQa
- https://bit.ly/3LV2HkF
- https://bit.ly/42tnUrr
- https://bit.ly/42kj5kF
- https://bit.ly/3VzyYB9
- https://bit.ly/3LzAcrd
- https://bit.ly/3nvFgoz
- https://bit.ly/3AXRbyM