研究相似性与女性在学术界的职业发展：来自意大利经济学助理教授招聘的证据

《The Economic Journal》：Research Similarity and Women in Academia

本文针对经济学领域女性代表性不足的问题，创新性地利用自然语言处理技术（NLP）分析论文摘要，构建了研究相似性新指标。研究发现，候选人与遴选委员会成员的研究相似性显著提升其获聘概率；尽管男女候选人平均相似性无差异，但女性与男性委员的最大相似性较低，这在一定程度上解释了女性在学术晋升中的劣势。该研究为理解学术界性别失衡的机制及促进研究多样性提供了重要证据。

　　

学术界长期面临着一个全球性的挑战：性别失衡。尤其在经济学领域，女性学者的代表性严重不足。数据显示，在欧洲学术机构的经济学部门中，女性学者总体占比仅为32%，而在高级职位中，这一比例进一步降至27%。这种失衡不仅关乎公平，更因为多元化的工作环境已被证明能提升创造力与生产力，故而理解其成因并寻求解决之道显得至关重要。已有研究指出，女性代表的缺失限制了经济学研究所探讨的问题范围以及审视经典问题的新颖视角。那么，究竟是哪些因素阻碍了女性经济学家在学术阶梯上的晋升？

近期，心理学和理论经济学研究提出了一个可能的解释：“自我形象偏差”（self-image bias）。这种认知偏差指的是，人们倾向于更看重那些能反映自身优点的特质。有理论模型进一步指出，在学术界，资深学者可能更倾向于提拔那些与自己研究特征相似的初级学者。由于资深学者中男性占多数，而不同性别的研究者在研究领域上又存在差异（例如，女性在宏观经济学、金融学等领域的代表性较低），这种“自我形象偏差”可能与观察到的性别失衡现象有关。

为了验证这一假说，来自意大利贝加莫大学和博科尼大学的研究团队（Piera Bello, Alessandra Casarico, Debora Nozza）进行了一项深入的研究，其成果发表于《The Economic Journal》。研究人员将目光投向了意大利经济学领域的终身轨助理教授招聘过程，并巧妙地利用公开数据构建了一个独特的数据集。他们创新性地采用自然语言处理技术，特别是文件嵌入（document embeddings）方法，对学者们已发表论文的摘要进行分析，从而构建了一个能够捕捉候选人与遴选委员会成员之间在研究主题、方法论或政策相关性等方面接近程度的新颖指标——研究相似性。

这项研究旨在探究两个核心问题：第一，研究相似性是否与候选人在学术招聘中成功的概率相关？第二，女性候选人是否因其研究特征与主要由男性构成的资深学者群体存在差异，而在相似性上处于劣势，从而影响了她们的晋升机会？

为了回答这些问题，研究人员开展了一项基于大规模实证数据的分析。他们收集了2014年至2021年间意大利所有经济学领域终身轨助理教授岗位的公开招聘信息、候选人资料、遴选委员会成员信息及院系教师信息，构建了一个覆盖237次招聘、711名委员会成员和2365名候选人的独特数据集。关键的技术方法包括：1) 利用网络爬虫和手动检索构建覆盖意大利全国经济学助理教授招聘的完整数据集；2) 应用自然语言处理中的Sentence-Transformers模型生成论文摘要的文件嵌入向量，以捕捉文本的深层语义信息；3) 计算候选人与委员会成员出版物之间的余弦相似性，并聚合生成个体层面的平均相似性和最大相似性指标；4) 采用线性概率模型等计量经济学方法，在控制候选人发表记录、教育背景、工作经历等一系列特征后，检验研究相似性与获聘概率的关系，并分析其性别差异。

研究相似性对获聘概率的影响

研究结果清晰地表明，研究相似性对候选人的成功至关重要。即使控制了候选人的一系列特征（如性别、博士毕业年限、是否拥有海外博士学位、发表记录的质量和数量等），甚至加入了招聘批次固定效应或候选人固定效应，与遴选委员会成员具有较高研究相似性（无论是平均相似性还是最大相似性）的候选人，其获聘概率显著更高。具体而言，相似性指标高于中位数的候选人，其获聘概率要高出4.5到6个百分点。这一效应的强度甚至超过了多发表一篇A+期刊论文带来的优势。此外，研究还发现，与委员会成员存在合著关系，或者是招聘院系的内部候选人，也会显著增加获聘机会。

性别差异在研究相似性中的表现

在探究性别差异时，研究人员发现了一个有趣的现象：虽然女性候选人和男性候选人与遴选委员会成员的平均研究相似性没有显著差异，但他们在“最大相似性”上存在明显的性别差距。男性候选人比女性候选人更有可能与某一位委员会成员拥有非常高的研究相似性。进一步的分析揭示，这一性别差距完全是由男性委员会成员驱动的。当只考虑女性委员会成员时，男女候选人与她们的最大相似性不再有差异；而当只考虑男性委员会成员时，女性候选人与其的最大相似性则显著低于男性候选人。

研究相似性对性别晋升差距的解释力

在控制了候选人资格等因素后，初步分析显示女性候选人的获聘概率与男性候选人无显著差异。然而，当研究人员考虑到一个关键的选择性环节——被邀请面试的候选人是否实际出席面试——并对此进行校正后，数据显示女性候选人最终获聘的概率实际上显著低于男性候选人。更重要的是，当在解释模型中纳入研究相似性指标（特别是最大相似性）后，所观察到的性别差距有所缩小。这表明，女性候选人在与男性主导的遴选委员会建立高度研究相似性方面面临的挑战，部分地解释了其在学术晋升中处于劣势的原因。

对研究结果的讨论与机制分析

研究人员对上述发现进行了深入的讨论，并排除了几种替代性解释。首先，研究相似性的作用并非简单地反映了招聘部门对特定研究领域候选人的偏好。因为即使控制招聘院系内部成员的主要研究领域，或者只分析没有内部候选人参与的招聘，甚至只考虑外部委员会成员时，研究相似性的正向效应依然稳健。相反，候选人与招聘院系整体教师之间的相似性则通常与获聘概率无关。其次，结果也不太可能是由于委员会成员更擅长评估与自己研究相似的候选人的质量（即“比较优势”假说），因为分析显示，获聘者与委员会的高相似性并不能预测其获聘后的学术产出（以引用量或高水平发表衡量）。第三，候选人基于对委员会组成的了解而进行自我选择的可能性也很低，因为在意大利的制度下，候选人申请时并不知道委员会的具体构成，且数据分析也未发现相似性与申请行为之间存在强关联。综合这些证据，研究结果更支持“自我形象偏差”的存在，即委员会成员在评估时无意识地给予研究取向与自己相似的候选人更高评价。

研究结论与意义

这项研究揭示了学术晋升过程中一个此前未被充分认识的机制：研究相似性偏见。它表明，在男性主导的学术环境中，这种基于“相似性”或“契合度”的评估偏差，可能在不经意间阻碍了女性学者的职业发展。这不仅关乎性别平等，也关系到学术研究本身的活力。因为追求相似性可能导致研究议程的趋同，抑制创新视角的引入。本研究提出的基于自然语言处理的研究相似性度量方法，为更精细地捕捉研究多样性提供了新工具。

研究结果对政策制定者具有重要启示：首先，它强调了在遴选委员会中增加性别多样性和研究背景多样性的重要性，这有助于 mitigating 自我形象偏差。其次，建立更透明、客观的评估标准，减少对模糊“契合度”的依赖，对于促进公平晋升和保障学术研究的百花齐放至关重要。通过解决这些潜在的偏见，经济学领域乃至更广泛的学术界，才能更好地迈向一个真正包容和充满创新活力的未来。