| dc.date.accessioned | 2021-08-25T07:32:18Z | |
| dc.date.available | 2021-08-25T07:32:18Z | |
| dc.date.issued | 2021 | |
| dc.identifier | doi:10.17170/kobra-202108174574 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/13160 | |
| dc.description | https://doi.org/10.1007/s11192-020-03640-0
https://doi.org/10.1016/j.joi.2021.101166
isbn:9789080328228 | |
| dc.language.iso | eng | |
| dc.rights | Urheberrechtlich geschützt | |
| dc.rights.uri | https://rightsstatements.org/page/InC/1.0/ | |
| dc.subject.ddc | 330 | |
| dc.title | Socioeconomic inequality in academia | eng |
| dc.type | Dissertation | |
| dcterms.abstract | Sozioökonomische Ungleichheit ist eine Herausforderung für das deutsche Wissenschaftssystem. Sie verhindert, dass Nachwuchswissenschaftler aus benachteiligten sozialen Gruppen ihr Talent voll ausschöpfen und so zum allgemeinem wissenschaftlichen als auch ökonomischen Fortschritt beitragen können. Die vorliegende Dissertation greift diese Problematik auf und versucht sowohl verlaufende methodische Probleme in der Generierung von Datenbank zu adressieren als auch eine Datenbank zu erstellen und wissenschaftsökonomische Anwendungsfragen zu bearbeiten. Die Forschungsfrage lautet: „Wie können Methoden der Sozialwissenschaften und Informationswissenschaften gemeinsam dazu beitragen, Datenbanken zum wiss. Nachwuchs zu generieren, und, wie können auf Basis dessen, Fragen zur sozioökonomischen Ungleichheit im Wissenschaftsbetrieb beantwortet werden?
Im Einleitungskapitel gibt der Autor zunächst einen Überblick über die tangierten Forschungsfelder aus Wissenschaftsökonomik, Soziologie und Szientometrie. Im weiteren Verlauf folgen fünf Kapitel, welche aus publizierten Beiträgen in Journals, Konferenzbänden oder Diskussionspapierserien stammen. In Kapitel 2 und 3 bearbeitet der Autor hierbei methodische Fragestellungen, die es erlauben Datenbanken zu generieren anhand derer sozioökonomische Ungleichheit untersucht werden kann. Dabei handelt es sich sowohl um die Aufdeckung von thematischen Unterschieden in ost- und westdeutschen Dissertationstiteln, welche mit einem Topic Modelling / Regressionsansatz quantifiziert werden, als auch um einen Machine Learning Ansatz zur Autorennamendisambiguierung in der Web of Science (WoS) Datenbank. Kapitel 4 knüpft an diese Erkenntnisse an und wendet den entwickelten Disambiguierungsalgorithmus auf Namen deutscher Promovierter an. Hierbei werden über 10 Mio. Publikationen etwa 2 Mio. Autoren zugeordnet. Im nächsten Schritt verknüpft der Autor die gewonnenen Autor-Publikationsdatensätze mit einzelnen Promovierten aus dem elektronischen Katalog der Deutschen Nationalbibliothek mit Hilfe eines Record-Linkage Ansatzes. Die so gewonnene Datenbasis über die Produktivität von 60.000 Promovierten in Deutschland dient nun dazu Unterschiede zwischen männlichen und weiblichen Promovierten und gebürtig Ost- und Westdeutschen aufzuzeigen; dabei werden deskriptiv keine Unterschiede festgestellt. Kapitel 5 nutzt ebenfalls die beschriebene Produktivitätsdatenbank und nimmt eine angewandte Frage sozioökonomischer Ungleichheit in den Fokus: Wie wirkt sich das Geschlecht eines akademischen Betreuers auf wiss. Produktivität und Verweildauer von Nachwuchswissenschaftlern im Wissenschaftsbetrieb aus? Dabei wird ein positiver Einfluss von weiblichen Betreuern auf die Verweildauer von weiblichen als auch männlichen Nachwuchswissenschaftlern im Wissenschaftsbetrieb ausgemacht; bzgl. Der Produktivität können keine Unterschiede identifiziert werden. Im vorletzten Kapitel bearbeitet der Autor die Frage, inwieweit gebürtig ost- und westdeutsche Promovierte bildungsadäquate Arbeitsmarktauskommen erlangen. Hierzu nutzt der Autor Geburtsortinformationen aus Onlinedissertationen und die IIPED Datenbank, welche Promovierte aus der Deutsche Nationalbibliothek mit Sozialversicherungsdaten der Bundesagentur für Arbeit verknüpft. In der Analyse zweier Arbeitsmarktgrößen „Lohn oberhalb der Beitragsbemessungsgrenze“ und „Anforderungsstatus des ausgeübten Berufs = Experte“, zeigen sich keine Unterschiede zwischen gebürtig Ost- und Westdeutschen. Es wird allerdings eine geringere Wahrscheinlichkeit von in Ostdeutschland beschäftigten Promovierten ausgemacht einen Lohn oberhalb der Beitragsbemessungsgrenze zu erzielen. Im letzten Kapitel diskutiert der Autor die gewonnen Erkenntnisse, setzt sie in Beziehung zur Forschungsfrage und zieht ein Fazit. | ger |
| dcterms.abstract | Socioeconomic inequality challenges German academia as talented junior researchers from unprivileged social backgrounds cannot pursue their career goals. Consequently, scientific progress and long-term national economic growth might be endangered. This is where the dissertation at hand makes its contribution. Firstly, the author addresses prevailing methodical issues in creating databases that help to investigate questions of social inequality in academia. Secondly, the author uses this methodology to create such databases, and thirdly, he investigates two questions in applied economics of science. The research question is: How can methods of machine learning and social sciences jointly help to establish new databases on and provide subsequent insights into socioeconomic inequality among junior researchers in German academia?
The introductory chapter reviews the fields of research of economics, sociology and scientometrics underlying the dissertation. In the main part of the dissertation the author presents five different research papers that have either been published in renowned academic journals, conference proceedings or discussion paper series. Ch. 2 thereby concerns a topic modelling / regression analysis approach to detect thematic differences in eastern and western German dissertation titles and ch. 3 a machine learning algorithm to solve author name ambiguities in the WoS database. Ch. 4 builds on ch. 3 and applies the algorithm to names of German dissertation authors. This leads to a dataset of about 2 Mio. authors referring to 10 Mio. publications. In the next step, the author links the just created database to single dissertation authors included in the catalog of the German National Library. This procedure ends up in 60.000 dissertations authors being linked corresponding to disambiguated author-publication sets. Based on this dataset the author investigates how female and male and native eastern and western German junior researchers differ in research productivity. Descriptively, this analysis reveals no differences between the groups. Ch. 5 again uses the productivity database and puts a question of socioeconomic inequality into focus. The author asks, to what extent the gender of a scientific advisor is associated with scientific productivity during the doctorate and the time to leave academia “exit” after the doctorate. Regarding productivity, the author finds no differences, but for “exit” protégés from female advisors are associated with a lower risk to leave academia after their doctorate. This association is not different between male and female protégés. In the last chapter of the main part the author (and the coauthor of the underlying paper) investigate whether native eastern and western German doctorate holders are different in achieving adequate labor market outcomes. The chapter builds on birthplace information retrieved from online dissertations and of social security data linked to the catalog of the German National Library. The analysis of two labor market outcomes “wage above social security assessment ceiling” and “expert job status” reveals no differences between eastern and western German doctorate holders. However, the authors find differences related to a workplace in eastern Germany. The last chapter is dedicated to a discussion and conclusion. | eng |
| dcterms.accessRights | open access | |
| dcterms.creator | Rehs, Andreas | |
| dcterms.dateAccepted | 2021-07-06 | |
| dcterms.extent | IX, 142 Seiten | |
| dc.contributor.corporatename | Kassel, Universität Kassel, Fachbereich Wirtschaftswissenschaften | |
| dc.relation.issupplementedby | Rehs (2020a). Dataset: A structural topic model approach to scientific re-orientation of economics and chemistry after German reunification. Retrieved from 10.5281/zenodo.3874921. | |
| dc.subject.swd | Deutschland | ger |
| dc.subject.swd | Wissenschaftsforschung | ger |
| dc.subject.swd | Ökonomie | ger |
| dc.subject.swd | Soziologie | ger |
| dc.subject.swd | Ungleichheit | ger |
| dc.subject.swd | Wissenschaft | ger |
| dc.title.subtitle | Machine learning-based data perspectives and empirical findings on junior researchers in Germany | eng |
| dc.type.version | publishedVersion | |
| kup.iskup | false | |
