arXiv cs.CY· Uttamasha Anjally Oyshi, Gibson Nkhata, Susan Gauch·· 10 小时前AI 评分20
arXiv 撤稿论文：学术同行评审中作者人口特征的因果分析
Causal Analysis of Author Demographics in Academic Peer Review
AI 导读
一篇基于 530 篇论文的因果推断研究发现，少数族裔作者在评审排名中平均承受 -0.42 分的因果劣势，女性作者为 -0.25 分，全球南方机构作者为 -0.57 分。该研究以发表场所声望作为评审排名的替代指标，指出传统与 AI 评审流程均需公平性干预。该投稿已被 arXiv Admin 以不符合研究内容质量标准为由撤稿。
正文 · AI 翻译
本文已被 arXiv 管理员撤回
摘要：学术精英制度正受到系统性失衡的威胁；例如，尽管黑人和西班牙裔占美国人口的 30% 以上，但他们在科学与工程领域的终身学者中占比不足 10%。同行评审在这一过程中充当着关键的守门人，然而它长期面临可能阻碍科学进步的偏见问题。如今，人工智能（AI）在学术评估中日益增长的影响力使这一问题进一步加剧。本文超越相关性，定量评估作者人口特征（包括种族、性别和所属国家）对论文录用排名的独立影响。我们采用因果推断方法，基于 530 篇论文的数据集，以发表场所的声望作为评审排名的替代指标，模拟学术遴选过程。我们的研究表明，少数种族群体作者（平均处理效应 [ATE]：排名 -0.42 分）、女性作者（ATE：-0.25）以及隶属于全球南方机构的作者（ATE：-0.57）在统计上存在显著的因果劣势。所呈现的偏见凸显了在传统与基于 AI 的评审流程中实施公平性干预的迫切必要性，表明此类措施对于建立更公平、更可信的科学环境至关重要。
| 评论： | arXiv 管理员注：本投稿因不符合 arXiv 的研究内容质量标准已被撤回 |
| 主题： | 计算机与社会（cs.CY） |
| 引用为： | arXiv:2603.06641 [cs.CY] |
| （或 arXiv:2603.06641v2 [cs.CY] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.06641 arXiv 颁发的 DOI 通过 DataCite |
投稿历史
来自：arXiv 管理员 [查看邮件]
[v1]
2026 年 2 月 25 日星期三 21:43:13 UTC（468 KB）
[v2]
2026 年 10 月 29 日星期四 20:01:41 UTC（1 KB）（已撤回）
来源：arXiv cs.CY · arxiv.org