早期语义轨迹和学术职业持续性中的性别差异

《Information Processing & Management》：Gender differences in early semantic trajectories and academic career persistence

　　

• •
  本研究开发了一套用于学术生涯分析的意义轨迹框架。
• •
  基于6700万篇出版物中提取的嵌入向量，对276万名学者进行意义拓展、研究连贯性和意义对齐度的测量。
• •
  早期的意义轨迹与学者的离职风险存在显著关联。
• •
  意义轨迹的职业后果存在按性别系统性的差异。

引言

科学生涯的塑造不仅取决于学者发表了多少成果，还取决于其研究在知识空间中的演变方式（Jia 等，2017；Zeng 等，2019）。过去数十年间，关于学者生涯的研究主要聚焦于可观测的结果，如产出量、引用影响、合作模式以及职业长度（Fortunato 等，2018；Milojevi? 等，2018；Sinatra 等，2016；Wu 等，2019）。这些研究为理解研究优势的积累、职业分层以及学术成功的影响因素提供了重要洞见。然而，它们常常忽视学术生涯的一个更具实质性的维度：学者在创造新成果、保持研究连续性或随时间推移转变研究焦点时，如何在语义空间中行进。

这一局限在关于学术生涯性别差异的研究中尤为明显。大量文献记录了科学职业中的性别差异，包括出版产出、引用影响、晋升机会、合作结构、认可延迟以及职业持续性的不平等（Box-Steffensmeier 等，2015；Kwiek & Roszka，2021；Larivière 等，2013；Mihaljevi?-Brandt 等，2016；Shen 等，2022；Yang 等，2025a）。这种不平等的一个重要方面是女性学者的职业流失率较高。此前的研究表明，与男性同行相比，女性学者更有可能离开学术职业（Yang 等，2025b），导致职业跨度更短、累计出版产出更少（Huang 等，2020），以及在高级学术职位中代表性不足（Abramo 等，2021）。这种流失通常归因于结构性劣势、工作环境、家庭压力以及获取认可与晋升机会的不平等（Ecklund & Lincoln，2011；Morgan 等，2021；Régner 等，2019；Ross 等，2022）。现有的大多数研究从外部视角来审视学术生涯，通过量化出版产出、引用影响或合作模式来进行分析，而对研究的智力内容和发育结构则基本未加探讨。因此，关于研究轨迹的语义组织在性别差异方面几乎一无所知。尚不清楚男性和女性学者在探索广度上是否存在差异，他们的工作是沿着一条连续路径演进还是在不同主题之间跨越，以及这些差异是否在其职业早期阶段就已出现。

近年来，文本和文档嵌入技术的进步使回答这些问题变得越来越可行。通过将学术出版物转化为高维语义向量，研究者可以超越学科、主题或关键词等粗略分类，在一个连续的语义空间中测量研究成果之间的相对接近程度、分化和方向性偏移（Arts 等，2025；Kozlowski 等，2019；Tshitoyan 等，2019；Yang 等，2026）。这使得我们能够从更加细致的角度审视学术发展。我们不仅关注学者的产出有多高，还可以考察每篇出版物偏离先前工作的程度、一系列出版物的连贯性如何，以及个人的作品组合如何在语义空间中演进。这一视角对于研究学术生涯的早期阶段尤其有价值，此时研究者仍在确立自己的研究身份，许多长期的职业差异也开始显现。

尽管具有这种潜力，此类语义方法极少被整合到关于学术生涯性别差异的研究中。具体而言，目前仍缺乏一个系统性的框架来衡量学者的语义轨迹，同时捕捉研究探索和内部连贯性；也缺乏利用此类度量来考察学术发展中性别差异的做法。

本研究旨在考察研究生涯发展中语义发展的性别差异。通过意义拓展、研究连贯性和意义对齐度来刻画学者的语义轨迹，并考察这些轨迹如何随职业阶段和产出水平在性别间变化。我们进一步调查早期语义轨迹与离职风险之间的关联，以及这种关联在男性和女性学者之间是否存在差异。

本研究回答三个核心研究问题：

• （RQ1）如何以系统且可解释的方式衡量学术生涯的语义轨迹？
• （RQ2）这些语义轨迹呈现何种模式，此类模式是否因性别而异？
• （RQ3）早期语义轨迹与后续职业持续性之间存在何种关系？

本研究做出三项主要贡献。首先，它引入了一个用于分析学术生涯的语义框架，通过刻画出版物在连续嵌入空间中的语义发展来实现。其次，它将学术界性别差异的文献从传统的绩效指标转向研究的语义组织和发展。研究结果表明，性别差异不仅体现在出版产出和引用影响上，还反映在研究轨迹的语义组织中。第三，本研究利用大规模出版物数据集，将语义嵌入与统计分析相结合，为研究发展中的性别差异提供了大规模证据。研究结果在多个指标和模型规格下表现一致，表明这些模式并非局限于某一种测量方法。这些发现有助于更好地理解学术生涯发展中的性别模式，并为设计针对早期职业研究者的评估和支持体系提供参考。

本文其余部分组织如下。第2节回顾了关于科学的语义表示和学术生涯性别差异的相关文献。第3节介绍了数据集、语义嵌入的构建、学者语义轨迹的测量以及离职风险的生存分析。第4节考察了语义轨迹的总体特征及其按性别的变化。第5节呈现了早期语义轨迹与职业离职风险之间关系的生存分析结果，特别关注性别异质性。第6节讨论了研究结果，指出了研究的局限性，并展望了未来研究方向。

章节摘要

从语义相似度到轨迹

基于科学语料库训练的文档嵌入模型使研究者能够超越离散的题材标签，根据出版物的文本内容估算它们之间的相对接近程度、分化和方向性偏移（Cohan 等，2020）。不同于依赖引用、合著或学科分类等传统文献计量方法，语义表示将标题、摘要或全文嵌入到高维向量中。这种方法促进了更深入的理解。

数据集

我们使用了OpenAlex数据集（Priem 等，2022），这是由OurResearch维护的一个大型开源学术出版物目录。OpenAlex整合了来自多个来源的数据，包括Microsoft Academic Graph、Crossref、PubMed、ORCID以及出版商网站。我们于2025年2月下载的版本包含1666年至2025年间发表的超过2.5亿件作品。这些作品包括期刊文章、会议论文、书籍、数据集和学位论文，并附有丰富的作者、

语义轨迹画像

本节描述三个语义轨迹指标——意义拓展（SE）、研究连贯性（RC）和意义对齐度（SA）的分布情况，并考察它们如何随产出水平、引用影响、职业阶段和性别而变化。

在出版物层面，这三个语义指标总体上表现出稳定且可解释的分布。如图3a所示，SE、RC和SA均呈现规则的单峰分布。它们的整体分布形态基本保持一致。

早期语义轨迹与离职风险之间的关联

如图8所示，Kaplan-Meier曲线显示，在风险集纳入时，女性学者的生存概率始终低于男性学者，且该差异具有统计学显著性（p < 0.0001，log-rank检验）。尽管这一差距在绝对值上较为适中，但在大部分观测到的职业持续期内持续存在，表明女性面临系统性的更高职业离职风险。

表2的结果表明早期

理论意义

本研究通过揭示性别差距不仅存在于出版数量和引用等可观测产出方面，还延伸到学术作品内部的语义组织，从而推进了关于学术生涯和性别不平等的研究。通过将学术生涯概念化为语义空间中的轨迹，我们的分析揭示了男性和女性学者在随时间发展其研究方面的差异。我们发现男性学者倾向于表现出更高的SE，而女性学者

CRediT作者贡献声明

胡乐天：写作 – 审阅与编辑，写作 – 原创草稿，可视化，验证，软件，资源，方法论，调查，正式分析，数据整理，概念化。Alex J. Yang：写作 – 审阅与编辑，写作 – 原创草稿，验证，监督，资源，方法论，资金获取，正式分析。邓三红：写作 – 审阅与编辑，监督，资源，方法论，资金获取，概念化。

胡乐天|Alex J. Yang|邓三红