数学における公平性：データ駆動型アプローチ

この記事では、数学やデータサイエンスが数学コミュニティ内の公平性を評価し、改善する手助けをする方法について見ていくよ。目標は、不公平な扱いや多様性の欠如がある場所を見つけて対処すること。これを「数学の数学」または「メタマス」と呼んでる。これは「科学の科学」という分野からインスパイアを受けていて、科学研究がどのように機能するかを調べるものだよ。

数学は常に問題解決の道具で、世界のさまざまな側面を理解するためのもの。最近の100年では、コンピュータが一般的になったことで、データ分析の能力も数学や科学において重要になってきた。この論文では、数学からの技術を使って数学コミュニティを分析し、公平性と平等な機会を促進する方法について述べるね。

#コンテキストと目標

この記事の焦点は、数学とデータサイエンスを用いて様々な分野で社会的正義を改善すること、特に科学、技術、工学、数学（STEM）における方法だよ。「定量的正義」という言葉を使って、数学的ツールを使って社会問題を調査し、公平性を促進することを説明している。

最近、これらのアイデアを現実の問題に適用するための会議やディスカッションが開催されている。目指しているのは、既存の不平等を文書化し、分析することで、より多様で包括的な数学コミュニティを作ること。

#数学における変化の必要性

数学コミュニティは社会の多様性を反映していないことは明らかだよ。女性や人種的・民族的マイノリティ、初代大学生、障がい者、LGBTQコミュニティのメンバーなど、代表性が不足しているグループが多くいる。これらの欠如はさまざまな学問分野に見られ、多くの研究で記録されている。

異なる調査からのデータは、女性やマイノリティが数学の教員ポジションのごく少数を占めていることを示している。例えば、ある期間中に数学学部のテニュートラックポジションのうち、女性はわずか15%しかいなかった。そして、女性は男性の同僚に比べて自分の業績に対する引用が少ないことが多い。この統計は、数学コミュニティ内での変化の必要性を強調している。

#ヒエラルキー構造の理解

数学や他のSTEM分野は実力主義に基づいているという強い信念があるけど、証拠はそうじゃないことを示唆している。これらの分野には確立されたヒエラルキーがあって、特定の機関や背景の人が他の人よりも雇われたり認識される可能性が高い。

研究によれば、エリート機関の卒業生は他の名門機関の教員になる可能性が高い。例えば、さまざまな分野の数千人の教員のデータを分析した研究では、採用プロセスが有名大学の卒業生を優遇することがしばしばあることを示している。

性別や社会経済的地位も数学コミュニティ内の機会に大きく関わっている。教員は高学歴の親を持つことが多く、異なる背景を持つ人々には障壁を作ることがある。

#数学における不平等の証拠

多くの研究は、数学コミュニティ内に不平等が存在する明確な証拠を提供している。例えば、女性やマイノリティはさまざまな学問的役割において著しく少数派であることがわかっている。学術誌で女性が持つ編集職の数が限られていることも、この不均衡を強調しているよ。

さらに、数学における賞はしばしば既存のバイアスを反映している。エリート賞は、あまり知られていない人の業績を突出させるのではなく、すでに有名な研究者に授与される傾向がある。これが排除のサイクルを助長している。

#資金の不均衡

もう一つ調べるべきは、研究者や機関にどのように公共資金が分配されているかだ。研究によって、National Institutes of Health（NIH）やNational Science Foundation（NSF）からの資金に人種的な不均衡が存在することが示されている。例えば、黒人やアジア人の研究者は、さまざまな要因を調整しても、白人の同僚に比べて助成金を受け取ることが少ないことが多い。

この資金の不均等な分配は、数学における代表性のないグループの機会をさらに制限する可能性がある。これらの不均衡を分析し、対処することが、公平な研究環境を作るために重要だよ。

#数学コミュニティ内のディスコース

数学コミュニティ内で行われている会話や議論も、これらの問題に取り組む上で重要な役割を果たしている。ブログや記事などのさまざまなプラットフォームが、コミュニティの多様性や代表性に関する見解を提供している。これらの議論を調べることで、研究者はパターンやトレンドを特定し、誰が会話に含まれているか、あるいは除外されているかを理解できる。

多くの場合、数学における多様性と社会正義を支持する人々は、代表性のない背景を持っている一方で、抵抗はより確立されたグループから来ることが多い。このディスコースを分析することで、数学コミュニティ内の対立する意見や力のダイナミクスが明らかになるよ。

#カリキュラムの多様性の評価

数学学部で提供されているコースの種類を理解することは、 inequities に対処するために重要だよ。全国調査は、コースの可用性や教員の人口統計に関するデータを集めていて、機関間のカリキュラムに一貫性がないことを明らかにしている。

大きな疑問が生じるよ：どのコースを提供するかの決定はどうなされているの？ これは、学習や分野内の代表性に大きな影響を与える可能性がある。コース提供やカリキュラム選択についてのデータを集めることで、教育のギャップを特定し、より包括的な環境を促進する手助けになるかもしれない。

#研究者のための方法論的考慮

研究者がこの分野での仕事を始める際には、データに注意深く取り組むことが重要だよ。定量的方法は価値があるけど、公平性や代表性に関する多くの疑問は、質的アプローチの混合を必要とする。既存の不均衡の背後にある理由を理解することで、より意味のある洞察が得られるかもしれない。

研究者は、既存のデータセットの制限や分析から生じる可能性のあるバイアスについて注意を払うべきだ。焦点はデータ分析だけでなく、発見のコンテキストや示唆も理解することに置かれるべきだよ。

#メタマス研究の今後の方向性

今後の研究にはまだ多くの未開拓の分野がある。より多くの質的分析を含めること、コミュニティ内のディスコースを調べること、カリキュラムの決定を研究することなどが、研究者が取れる方向性の一部だよ。

数学コミュニティに関するデータが増えるにつれて、新しい洞察を発見し、公平性を促進する機会が増えていく。これを続けるプロセスに関与することが、皆にとってより公平な数学コミュニティを作るために重要になるよ。

#結論

結論として、数学の分野は社会の多様性をよりよく反映する必要があるよ。数学とデータサイエンスの両方のツールを用いることで、研究者は不平等を分析し、解決策に向けて取り組むことができる。最終的な目標は、すべての声やバックグラウンドを代表する包括的な数学コミュニティを育てることだよ。やるべきことはたくさんあるけど、協力することで数学コミュニティはより公正で公平な未来に向かって進むことができるんだ。