女性の論文が重用されるには強力なサポートが必要、AIが回答

論文の発表者が女性だった場合、論文の寿命は男性の発表した論文より短い場合があります。なぜこんなことになるのでしょうか？人工知能は一つの光を授けます。

It’s 2022 and women in science are still less likely than their male peers to be hired and promoted.

参照元：https://viterbischool.usc.edu/news/2022/09/breaking-the-glass-ceiling-in-science-by-looking-at-citations/
– 南カリフォルニア大学 University of Southern California. September 26, 2022 –

2022年現在、科学分野の女性は、同世代の男性に比べ、雇用や昇進の可能性がまだ低いです。

女性は著名な教員の指導を受ける機会が少なく、出版する雑誌も一流誌ではなく、共同研究者も少なく、雑誌の査読者や編集者に占める割合も低く、論文の引用回数も少ないです。

なぜこんなことが起きているのでしょうか？

USCの情報科学研究所（ISI）の主任研究員であるクリスティナ・ラーマン氏とそのチームは、AIを使ってこの疑問に対する答えを探りました。

その結果、論文は2022年9月26日、権威ある査読付き学際科学誌『Proceedings of the National Academy of Sciences（PNAS）』に掲載されました。

ラーマン自身も科学界の女性として、自分が働く世界を知っていますが、最近知った統計には彼女でさえショックを受けました。

物理学におけるノーベル賞受賞者のうち女性はわずか2パーセントであり（数年前までは1パーセントでした）、この数字は多くの科学分野にわたって同様なのだそうです。

ノーベル化学賞受賞者のうち、女性はわずか7％しかいないのです！と、ラーマン氏は言います。

ラーマン氏：女性はこれほど長い間、化学の分野で活躍してきたのに、どうしてなのでしょうか？私たちはこの矛盾に興味を持ちました。

適切なデータ、適切なタイミング

ラーマン氏には、この問題に適したデータセットがありました。

2019年から、彼女と彼女のチームは、AIを使って研究論文の再現性を予測する大規模なプロジェクトに取り組んでいたのです。

DARPA（国防高等研究計画局）から資金提供を受けたISIのチームは、AIを使って科学論文の引用を含む多くの側面を分析し、再現性を予測しました。

彼らは2022年7月にACM SIGIR 22（the Association for Computing Machinery’s Special Interest Group on Information Retrieval）で「Assessing Scientific Research Papers with Knowledge Graphs」という論文を発表し、その斬新な手法と有望な知見を述べています。

この再現性の研究を行うために、ラーマン氏のチームは学術論文に関する膨大なデータを集めました。

彼女の共著者であるISIのCenter on Knowledge Graphs所長Jay Pujara氏は話します。

Pujara氏：この非常に大きな引用グラフ–論文、著者、引用、文献、共同研究、著者の所属機関、出版先などのネットワーク–を収集しました。

彼らはこのデータを膨大な知識グラフにしました（「知識グラフ」とは、現実世界の実体のネットワークを表現したもので、実体の間の関係を図示したものです）。

そして、この知識グラフの中に現れる形や「構造」に注目しました。

彼らは、引用ネットワークにさまざまな構造が生じるのは、何らかの自然現象によるものではないか、と考えました。

さらに、再現性の予測に使用したデータが、データの偏りによって影響を受けていないことを確認したいと考えました。

Pujara氏：クリスティーナ（ラーマン）は、性別や名声などの共変数を調べるというアイデアを持っていました。

そして、そのアイデアで、研究者チームは、著者が男性か女性か、また、トップランクの大学か下位ランクの大学かによって、ネットワークに違いがあるかどうかを確認しようとしたのです。

引用の「誰が」「何を」「なぜ」

先に進む前に、科学研究における引用の仕組みについて少し説明します。

著者が他の著者の論文を引用する理由は、通常3つあります。

まず、背景として — 自分の論文を理解するために、著者は必要な背景情報を与えてくれる他の論文を引用するのです。

第二に、方法の説明–著者が他の論文の方法と類似、バージョンアップ、または同等の方法を使用した場合、その方法を説明する論文を引用します。

そして3つ目は、結果です。

著者は自分の結果を説明しますが、同じことを研究して異なる結果を得た他の論文を引用する場合もあります。

引用文献から情報を得る

Pujara氏：すべての研究者の引用ネットワークを調査するのは難しいので、優秀な研究者を選ぶことにしましょう。

研究チームは、最も歴史があり著名な科学専門組織の1つである米国科学アカデミー（NAS）に選出された科学者を調査しました。

NASの新会員は、科学的業績に基づいて現会員から選出されるため、理論的には、全員が同じレベルの評価を得ていることになります。

ISIチームは、NASの766人の研究者（うち120人は女性）を調査し、このエリート科学者集団の中に複雑な性差が見られるだろうと仮定しました。

彼らの仮説は正しいことが証明された

彼らは、各NASメンバーの相互認証の構造を捉えた引用ネットワークを構築しました。

これらの構造は、NASメンバーの男性と女性で大きく異なっていました。

女性のネットワークは、より緊密にクラスタ化されており、女性科学者は男性科学者よりも社会的に埋め込まれ、より強力なサポートネットワークを持っている必要があることを示していました。

この違いは、引用ネットワークだけで、メンバーの性別を正確に分類できるほど体系的なものでした。

ラーマン氏：引用ネットワークを見るだけで、これが女性の引用ネットワークか男性の引用ネットワークかを予測するAIアルゴリズムを書くことができました。これは、我々にとって、かなり衝撃的で、失望させられました。

対照研究として、研究チームは、威信という共変量も調べました。

あまり権威のない機関に所属するNASメンバーは、女性と同様、NASでは少数派です。

ラーマン氏：もしかしたら女性の引用ネットワークは、権威のない大学出身の会員のものと似ているかもしれないと想像していました。しかし、それは事実ではありませんでした。メンバーの所属機関の名声による格差は観察されませんでした。

結論：科学者の引用ネットワークだけで、性別を正確に判断することはできるが、その科学者が所属する大学の名声は判断できません。

このことは、性別が科学分野でのキャリア形成に影響を与え続けていることを示唆している、とISIの研究チームは述べています。

短命論文にならないために

なぜ、このようなことが起こるのでしょうか？

Pujara氏：わかりません。性別によって共同行動が変わるという側面があるからかもしれません。

あるいは、社会的な偏見に基づいて研究者とその進路を形成している社会の何かかもしれません。

ですから、その答えは実際にはわかりません。

分かっているのは、違いがあるということです。

本当の問題は、どうすればそれを変えられるか？

どうすれば、科学を女性にとって敵対的でない環境にし、女性の機会を阻む障壁を取り除き、女性がその分野のトップに立つことができる環境を作ることができるでしょうか？

ISIチームは、今後、自分たちの方法と結果が役立つことを期待しています。

まず、この研究は、研究者が自分たちのネットワークがどのようなものであるかを理解するために利用できるでしょう。

さらに、政策立案者が、科学におけるジェンダー平等の向上を目指すプログラムが機能しているかどうかを理解するための方法としても利用できるでしょう。

最後に、重要なことですが、男女間の引用構造の違いから、私たちは学ぶことができます。

ラーマン氏：女性が認められるためには、しっかりとしたサポートネットワークが必要です。若い女性を指導し、社会的支援のネットワークを構築し、それを意図的に利用するよう伝えることが、こうした構造の形を変え、科学の形を変える一つの方法であるように思われます。