Utiliser l’intelligence artificielle pour étudier les disparités entre les sexes en science —

Comment. Est-ce. Événement?!

La scientifique principale de l’Institut des sciences de l’information (ISI) de l’USC, Kristina Lerman, et son équipe ont utilisé l’IA pour chercher des réponses à cette question. L’article qui en résulte a été publié dans la prestigieuse revue scientifique multidisciplinaire à comité de lecture Actes de l’Académie nationale des sciences (PNAS) le 26 septembre 2022.

En tant que femme scientifique elle-même, Lerman connaît le monde dans lequel elle travaille, mais même elle a été choquée par les statistiques qu’elle a récemment apprises : seulement 2 % des lauréats du prix Nobel de physique sont des femmes (jusqu’à il y a quelques années, c’était 1 %) et ces chiffres sont similaires dans de nombreux domaines scientifiques. Lerman a déclaré: “Seuls sept pour cent des lauréats du prix Nobel de chimie sont des femmes! Les femmes travaillent dans la chimie depuis si longtemps, alors comment cela se passe-t-il? Nous étions curieux de connaître cet écart.”

Les bonnes données, au bon moment

Lerman avait le bon ensemble de données pour le problème. Depuis 2019, elle et son équipe travaillaient sur un grand projet qui utilisait l’IA pour prédire la reproductibilité des articles de recherche. Financée par la DARPA (Defense Advanced Research Projects Agency), l’équipe de l’ISI a utilisé l’IA pour analyser de nombreux aspects des articles scientifiques, y compris les citations, afin de prédire la reproductibilité. Ils ont publié l’article “Assessing Scientific Research Papers with Knowledge Graphs” à l’ACM SIGIR 22 (l’Association for Computing Machinery’s Special Interest Group on Information Retrieval) en juillet 2022, décrivant leur nouvelle méthode et leurs découvertes prometteuses.

Pour faire cette recherche de reproductibilité, l’équipe de Lerman a rassemblé une énorme quantité de données sur des articles universitaires. Son co-auteur Jay Pujara, directeur du Center on Knowledge Graphs à l’ISI, a déclaré : « Nous avons collecté ce très grand graphique de citations — le réseau d’articles, d’auteurs, de citations, de références, de collaborations, d’institutions auteurs, où ils publient, etc. ” Ils ont transformé ces données en un vaste graphe de connaissances (un « graphe de connaissances » est une représentation d’un réseau d’entités du monde réel qui illustre les relations entre elles).

L’équipe a examiné les formes ou « structures » qui apparaissaient dans le graphe de connaissances. Ils se sont demandé s’il y avait une sorte de phénomène naturel à l’origine des différentes structures dans les réseaux de citations. De plus, ils voulaient s’assurer que les données utilisées dans leurs prédictions de reproductibilité n’étaient pas affectées par des biais dans les données. Pujara a dit, “Kristina [Lerman] a eu l’idée de regarder des covariables comme le sexe ou le prestige.” Et avec cette idée, l’équipe de chercheurs a cherché à voir s’il y avait une différence dans un réseau selon que l’auteur était un homme ou une femme, ainsi que si ils étaient dans une université de premier rang ou dans une université de rang inférieur.

Le qui, quoi et pourquoi des citations

Avant d’aller plus loin, quelques infos sur le fonctionnement de la citation dans la recherche scientifique. Il y a généralement trois raisons pour lesquelles un auteur peut citer l’article d’un autre auteur. Tout d’abord, comme arrière-plan – afin de comprendre leur article, un auteur citera d’autres articles qui donnent les informations de base nécessaires. Deuxièmement, pour expliquer une méthode – si un auteur a utilisé une méthode similaire, une version ou comparable à une méthode d’un autre article, il citera l’article qui explique cette méthode. Et troisièmement, les résultats – un auteur expliquera ses résultats, mais pourra citer d’autres articles qui ont étudié la même chose mais ont obtenu des résultats différents.

Recueillir des informations à partir de citations

“Essayer d’étudier le réseau de citations pour chaque chercheur est vraiment difficile, alors pourquoi ne pas choisir la crème de la crème?” dit Pujara. L’équipe a examiné les scientifiques élus à l’Académie nationale des sciences (NAS) des États-Unis, l’une des organisations scientifiques professionnelles les plus anciennes et les plus importantes. Les nouveaux membres de la NAS sont élus par les membres actuels sur la base d’un dossier distingué de réalisations scientifiques, ce qui signifie qu’en théorie, ils ont tous atteint le même échelon de reconnaissance. L’équipe de l’ISI a examiné 766 chercheurs du NAS, dont 120 femmes, en émettant l’hypothèse que des différences complexes entre les sexes seraient visibles au sein de ce groupe de scientifiques d’élite.

Leur hypothèse s’est avérée juste.

Ils ont construit des réseaux de citations qui capturaient la structure de la reconnaissance par les pairs pour chaque membre du NAS. Ces structures différaient significativement entre les membres masculins et féminins du NAS. Les réseaux de femmes étaient beaucoup plus étroitement regroupés, ce qui indique qu’une femme scientifique doit être plus intégrée socialement et avoir un réseau de soutien plus solide que ses homologues masculins. Les différences étaient suffisamment systémiques pour permettre de classer avec précision le sexe du membre en fonction de son seul réseau de citations.

Lerman a déclaré: “Nous pourrions écrire un algorithme d’IA qui se contenterait d’examiner les réseaux de citations et de prédire s’il s’agissait du réseau de citations d’une femme ou d’un homme. C’était assez choquant et décevant pour nous.”

En tant qu’étude de contrôle, l’équipe a également examiné la covariable du prestige. Les membres du NAS affiliés à des institutions moins prestigieuses sont une minorité au sein du NAS, comme les femmes. Lerman a déclaré: “nous aurions imaginé que les réseaux de citations de femmes ressembleraient peut-être à ceux de membres d’universités non prestigieuses”. Mais ce n’était pas le cas. Ils n’ont pas observé de disparités dues au prestige de l’appartenance institutionnelle d’un membre.

Conclusion: sur la seule base du réseau de citations d’un scientifique, le sexe peut être déterminé avec précision, mais le prestige de l’université à laquelle le scientifique est affilié ne le peut pas. Cela suggère que le sexe continue d’influencer la réussite professionnelle dans les sciences, selon l’équipe de l’ISI.

Comment arrêter d’être si court-Cité

Pourquoi cela arrive-t-il? Pujara a déclaré: “Nous ne savons pas. Cela pourrait être parce qu’il y a un aspect du genre qui modifie le comportement collaboratif. Ou cela pourrait être quelque chose dans la société qui façonne les chercheurs et leurs parcours en fonction des préjugés sociaux. Nous ne connaissons donc pas réellement le réponse à cela. Ce que nous savons, c’est qu’il y a une différence.

La vraie question est : comment pouvons-nous le changer ? Comment pouvons-nous faire de la science un climat moins hostile pour les femmes, supprimer les obstacles aux opportunités pour les femmes et créer un environnement qui permet aux femmes de se hisser au sommet de leurs domaines ?

L’équipe ISI espère que, pour aller de l’avant, leurs méthodes et leurs résultats pourront aider. Pour commencer, cette étude pourrait être utilisée pour aider les chercheurs à comprendre à quoi ressemblent leurs réseaux. De plus, cela pourrait être utilisé comme un moyen pour les décideurs politiques de comprendre si les programmes visant à améliorer l’équité entre les sexes dans les sciences fonctionnent.

Enfin, et surtout, nous pouvons apprendre de ces différences dans les structures de citation entre les hommes et les femmes. “Pour qu’une femme soit reconnue, elle doit être bien intégrée et avoir un solide réseau de soutien”, a déclaré Lerman. “Parrainer les jeunes femmes et leur dire qu’elles doivent vraiment construire ces réseaux de soutien social et être très intentionnels à leur sujet” semble être un moyen de changer la forme de ces structures… et la forme de la science.