Рабочие гипотезы (кратко, интерсекционально и с точки зрения культурного капитала и структурных барьеров)
1) Дискриминация в решениях о грантах и повышениях:
- Гипотеза: женщины имеют более низкую вероятность получения гранта/повышения при прочих равных из‑за необъективных оценок.
- Тест: логистическая регрессия с контролем за продуктивностью: $\mathrm{Pr}({\text{grant}}_i=1)=\sigma ({\beta }_0+{\beta }_1{\mathrm{Female}}_i+{\beta }_2{\mathrm{Publications}}_i+\dots )$. Ожидаем ${\beta }_1<0$.
2) Интерсекциональные эффекты:
- Гипотеза: эффект пола варьируется по расе/классу/инвалидности/родительскому статусу (неаддитивный эффект).
- Тест: добавить взаимодействия: $\mathrm{Pr}({\text{promotion}}_i)=\sigma (\dots +{\beta }_F{\mathrm{Female}}_i+{\beta }_R{\mathrm{Race}}_i+{\beta }_{FR}{\mathrm{Female}}_i\times {\mathrm{Race}}_i+\dots )$. Ожидаем значимые ${\beta }_{FR}$.
3) Накопление культурного капитала влияет на успех:
- Гипотеза: различия в доступе к «культурному капиталу» (членство в сетях, знание правил написания заявок, участие в конференциях) медиируют гендерный разрыв.
- Модель медиaции: $\text{Outcome}=\alpha +\gamma \cdot \text{CulturalCapital}+\delta \cdot \text{Female}+\epsilon$; ожидаем снижение эффекта $\delta$ при включении $\text{CulturalCapital}$.
4) Неравномерная нагрузка «служебной работы» (service load):
- Гипотеза: женщины несут большую долю административной и преподавательской нагрузки, что снижает время для исследований и грантов.
- Тест: сравнить распределение часов по видам работы и включить в регрессию.
5) Неформальные сети и «спонсорство»:
- Гипотеза: доступ к спонсорам/клучевым контактам (mentors/sponsors) менее у женщин и особенно у интерсекционально маргинализованных.
- Тест: измерить наличие спонсорства и его влияние на продвижение.
6) Процедурные и структурные барьеры:
- Гипотеза: непрозрачные критерии продвижения и ревью повышают влияние предубеждений; прозрачные критерии уменьшают разрыв.
- Тест: внедрить прозрачные критерии в экспериментальном порядке и оценить изменение разрыва.
Практические меры (уровни и краткое обоснование)
А) Политики оценки и гранты
- А1. Анблидинг/частичная анонимизация заявок на гранты и внутр. оценки, где возможно (снижает явный/неявный bias).
- А2. Прозрачные, количефицированные критерии для грантов и повышения; стандартизованные бланки отчётов о достижениях.
- А3. Целевые фонды/«seed»‑гранты для женщин и интерсекционально маргинализованных групп в короткой перспективе (компенсаторная мера).
B) Развитие культурного капитала и сети
- B1. Системные менторские и спонсорские программы с отслеживанием результатов; приоритет для тех, кто не имеет доступа к сетям.
- B2. Тренинги по написанию грантов и навыкам «незаметного» академического успеха (networking, negotiation), с учётом гибкого расписания и дистанционных форматов.
- B3. Поддержка участия в конференциях (финансовая, покрытие ухода за детьми).
C) Перераспределение работы и учёт «служебной» работы
- C1. Учесть преподавательскую и сервисную нагрузку в критериях повышения (включать в портфолио как вклад в институт).
- C2. Регулярный аудит распределения нагрузки; лимиты на «обязательные» сервисные часы или компенсация (наградные баллы, уменьшение преподавательной нагрузки).
D) Институциональные и семейно‑дружественные меры
- D1. Политика гибкого рабочего времени, оплачиваемые декреты для всех полов, гарантированное возвращение и пересмотр графика «tenure clock».
- D2. Детские комнаты/субсидирование ухода; покрытие расходов на конференции с семьями.
E) Обучение и подотчётность
- E1. Обязательные тренинги по неявным предубеждениям для комитетов грантов и комиссий по повышению; регулярная смена состава комиссий и публичный отчёт о составе.
- E2. Кадровые квоты по разнообразию в комитетах рассмотрения заявок и рекрутмента.
Мониторинг и метрики (что измерять и как)
- Базовые метрики:
- Разрыв в ставках успеха грантов: $\Delta G=G_{\text{men}}-G_{\text{women}}$, где $G=\frac{\text{число выигранных грантов}}{\text{число поданных}}$.
- Отношение скоростей продвижения: $\text{PRR}=\frac{\text{promotion rate women}}{\text{promotion rate men}}$.
- Время до повышения: сравнение медиан $T_{50}^{\text{women}}$ и $T_{50}^{\text{men}}$.
- Аналитика: квази‑экспериментальные оценки (difference‑in‑differences) или регрессии с фиксированными эффектами по департаментам:
$\mathrm{Pr}({\text{promotion}}_{it})=\sigma ({\alpha }_i+{\tau }_t+\beta {\mathrm{Female}}_{it}+X_{it}\gamma +\dots )$.
- Отслеживать интерсекциональные подгруппы отдельно (раса, класс, инвалидность, родительский статус).
Краткая дорожная карта внедрения (3 шага)
1) Сбор данных и аудит (6 мес): собрать детальные данные по заявкам, нагрузкам, семьям, сетям; развернуть первичный анализ.
2) Пилоты (1 год): запустить анонимизацию заявок, менторские программы, корректировку учёта сервисной работы в 2—3 департаментах.
3) Масштабирование и мониторинг (2–3 года): внедрить успешные меры в масштабе университета, публиковать ежегодные показатели и корректировать политику.
Оценка эффективности
- Целевые сокращения: например, уменьшить $\Delta G$ и поднять $\text{PRR}$ к $\ge 0.9$ в течение $3$ лет (цели согласовать локально).
- Регулярные промежуточные отчёты: квартальные KPI и ежегодный независимый аудит.
Если нужно, могу кратко оформить статистические модели для тестирования каждой гипотезы и предложить список переменных для сбора.