一、导论

在《Innovative Ideas and Gender (In)equality》一文的引言部分，作者Marlene Koffi首先构建了研究的宏观背景，指出在需要数学技能和分析能力的行业和领域中，女性面临着比男性更低的入职率和更高的离职率。这一现象在学术界，尤其是经济学领域中显得尤为突出。据数据显示，女性在获得工程学学士学位的比例远低于男性，而在教育学学士学位的获得上则远高于男性，这反映了性别在专业选择上的显著差异。进一步，Antecol和Cobb-Clark等人的研究也证实了女性在科学和工程领域的高离职率现象。

作者指出，尽管已有研究从家庭选择、风险规避、竞争性偏好以及歧视性因素等多个角度对这一性别差距进行了解释，但一个常被忽视的机制是女性研究成果的认可度问题。在学术研究和创新过程中，思想是核心，而被认可和重视则是激励研究者持续投入和前进的重要动力。因此，女性研究成果是否得到应有的认可和引用，成为了一个值得深入探讨的问题。

为了具体量化这一问题，作者将研究焦点放在了经济学领域的学术研究上，原因有两点：首先，经济学领域的性别代表性差距较大，女性学者在高级职位上的比例尤其低；其次，近期经济学界内部对性别歧视的反对声音日益高涨，显示出该领域性别歧视问题相较于其他生命科学或工程学领域更为普遍。因此，研究经济学领域内女性研究成果的认可度，不仅能够揭示该领域内的性别不平等现象，还能为其他领域提供借鉴和启示。

基于上述背景，本文旨在分析女性创新思想在学术研究中的认可度，特别是通过引用模式来探讨性别偏见的存在。为了实现这一目标，作者采用了计量经济学和机器学习技术，从Web of Science、Econlit和Ideas RePEc等数据库中收集了大量经济学领域的学术文章数据。通过文本分析和大数据工具，作者能够深入分析文章的相似性，并构建引用和被引用的关系网络。

具体而言，研究首先通过性别名称字典、分类算法和手动核查来确定文章的作者性别。随后，作者构建了一个距离度量标准，用以比较不同文章之间的相似性，并据此建立引用文章、被引用文章和应被引用文章之间的联系。这一过程中，作者克服了研究间差异化的挑战，即每篇文章都试图通过写作方式、方法论和角度等方面与前人研究区分开来。

为了量化性别偏见，研究构建了两个关键指标：遗漏指数（Omission Index）和创新指数（Innovation Index）。遗漏指数用于衡量在相关先前文献中，某篇文章被遗漏的概率，即它是否本应被引用却未被引用。创新指数则通过衡量文章的独特性和对未来研究的影响力来评估文章的质量，这一指标相较于引用次数更不易受到偏见的影响。

通过实证分析，研究发现被遗漏的文章中有15%至30%更可能是女性作者的作品，且当引用文章中全是男性作者时，这种遗漏偏见更为明显。此外，研究还发现即使女性作者的文章发表在顶级期刊上，也未能完全免除被遗漏的命运。进一步的分析表明，混合性别团队的作品在引用上的遗漏概率介于全男性团队和全女性团队之间，且女性作者的存在能够显著降低其作品被其他女性作者遗漏的概率。

二、文献综述

（一）本文的文献综述系统梳理了经济学领域性别不平等的多维研究，聚焦三个核心机制：

1.刻板印象与评估标准差异：Wu（2018）发现，女性学者常被关联“物理特征”（如外貌），而男性则关联“智力特征”，导致成果可信度被系统性贬低。Hengel（2019）和Card et al.（2019）进一步揭示女性面临更严苛的审稿标准：前者指出女性论文修改周期更长、修改要求更多；后者证明女性需比男性多提供约40%的引用量才能在同一期刊发表，且编辑的“修改重投”决策无法纠正这一偏见。

2.引用行为的策略性与网络效应：传统研究将引用量视为学术质量的代理变量，但Fong & Wilhite（2012, 2017）和Lampe（2012）指出，引用实为策略性工具——或为提升期刊影响因子，或受学术关系网驱动（如Colussi 2017证明“社会纽带”显著增加同机构学者互引）。D’Ippoliti（2017）更警示，引用的“数量”未必反映“质量”，而可能强化权力结构。

3.性别引用隔离的早期证据：Ferber（1986, 1988）开创性发现“女性论文主要被女性引用”，Dion et al.（2018）在政治学、Koffi（2021）在经济学均验证此模式。本文则推进该结论：男性撰写的论文显著更易忽略女性成果（即“跨性别引用缺口”）。

（二）本文的创新性在于衔接分散的研究脉络，并引入方法论革新：

1.补充“合作悖论”解释：Sarsons（2019）指出，女性在合著中贡献被低估，损害其终身教职获取；Hengel & Moon（2019）则发现女性独立发表时处境更差。本文揭示混合性别团队受偏见程度介于全男/全女团队之间，印证性别隔离的双重困境。

2.构建无偏质量评估新范式：为规避引用噪音，本文借鉴专利研究（Kelly et al. 2018; Koffi & Panousi 2019）和科学论文分析（Hofstra et al. 2020），首创创新指数（Innovativeness Index）——通过文本相似性量化论文的“新颖性”（与前期研究差异度）和“影响力”（被后期研究借鉴度），替代传统引用来测度真实质量。

3.揭示引用遗漏的职业代价：呼应Ellison（2013）与Hamermesh & Pfann（2012）的论断（引用量直接关联 tenure、薪资和基金获取），本文实证证明：被遗漏的作者未来在Top 5期刊发表概率降低5%，凸显偏见对女性学术生涯的实质压制。

4.方法论的交叉创新：区别于Zhu et al.（2015）依赖作者自述“关键文献”的主观方法，本文采用机器学习驱动的客观文本分析（TF-IDF + 余弦相似性），首次构建“遗漏指数”识别系统性偏见；同时拓展Hofstra et al.（2021）的博士论文文本分析框架，将其应用于经济学期刊论文，更精准捕捉学科内创新动态。

三、数据描述

（一）数据来源与处理流程

本研究构建了1991-2019年间经济学Top16期刊的原创文献数据库，数据来源覆盖两大权威平台：

Web of Science (WoS)：提供基础文献元数据；

IDEAS/RePEc (IR)：补充完整作者姓名、机构及引用网络。

通过爬虫算法整合IR数据后，采用标题-期刊-作者姓氏三要素匹配合并两库，并利用_Cited Reference API_校验作者全名（解决WoS中40%作者名为缩写的问题）。最终样本包含24,033篇论文及其914,371条参考文献（平均每篇38条），其中约30%-50%的参考文献指向Top 16期刊论文，构成后续文本相似性分析的基础。

（二）关键筛选标准：

期刊范围：综合5大顶刊（AER、Econometrica、JPE、QJE、RES）及11本领域顶级期刊（依据Laband & Piette 1994等6项权威排名）；

文献类型：排除书评、评论、短于3页的文章、会议论文、无摘要/参考文献的文献；

时间窗口：覆盖近30年学术演变，反映性别动态（女性作者论文占比从1990年代10%升至近年30%，但2010年后停滞）。

（三）作者性别识别技术：

主工具：Genderize.io算法（基于美国人口普查、社交媒体等海量姓名库计算性别概率）；

增强校验：

合并WIPO发明人数据库（+800万姓名）；

人工核查模棱两可的姓名（如跨性别常用名）；

纳入RePEc女性经济学家Top 10%名单交叉验证。

（四）文本数据标准化：

从标题、摘要、关键词提取词频-逆文档频率（TF-IDF） 向量（公式见原文），为后续相似性计算提供结构化输入，确保跨论文可比性。

四、相似性和指数构建

（一）文本相似性分析方法与TFIDF指标构建

详细阐述了如何通过文本相似性分析来量化论文之间的内容关联，并构建了用于衡量引用遗漏现象的指标。

首先，作者采用术语频率-逆文档频率（TFIDF）作为文本相似性的基础度量。

TFIDF是一种在机器学习中广泛应用的指标，通过计算特定词汇在当前论文中的出现频率（TF）与其在所有论文中的逆文档频率（IDF）的乘积，来评估该词汇对论文内容的独特贡献。

TFIDF值越高，表明该词汇在当前论文中越重要，且在其他论文中较少出现，从而有效捕捉了论文之间的细微差异。

为了计算两篇论文之间的相似性，作者进一步使用了余弦相似度（cosine similarity）作为距离度量。

余弦相似度通过比较两篇论文TFIDF向量的夹角余弦值来量化它们之间的相似性，值域在0到1之间，1表示完全相同，0表示完全不同。

通过这种方法，作者能够精确地识别出与当前论文最相关的先前文献集合，为后续分析引用遗漏现象提供了基础。

在具体操作中，作者为每篇论文定义了其相关先前文献集合，即根据余弦相似度排序后最相关的n篇论文（本文中n=5）。这一步骤确保了分析的精确性和针对性，使得后续的遗漏指数计算能够准确反映哪些相关文献被当前论文的引用所忽略。

（二）遗漏指数与创新指数的构建及其实证分析

基于文本相似性分析的结果，作者构建了遗漏指数（Omission Index）和创新指数（Innovation Index）两个核心指标，以量化女性作者论文在引用上的被忽视程度及其创新质量。

遗漏指数是一个二元变量，用于衡量当前论文是否在其参考文献中引用了所有最相关的先前文献。具体来说，如果当前论文引用了所有最相关的先前文献，则遗漏指数为0；否则为1。通过这一指数，作者能够直接观察到女性作者论文在引用上的被忽视现象。

实证分析表明，女性作者论文的遗漏概率显著高于男性作者论文，尤其是在引用团队全为男性的情况下，这种差异更为显著。

这一发现为性别偏见在学术引用中的存在提供了有力证据。

为了更全面地评估论文的创新质量，作者还构建了创新指数。

该指数结合了论文的独特性和对未来研究的影响力两个方面，通过计算论文与后续研究的相似性来衡量其新颖性和影响力。

具体来说，创新指数由两部分组成：一是向后相似性（Backward Similarity, BS），衡量论文与先前研究的差异；二是向前相似性（Forward Similarity, FS），衡量论文对后续研究的影响。

通过综合这两个维度，创新指数提供了一个更为全面和客观的论文质量评估方法。

实证分析显示，尽管女性作者论文在引用次数上可能低于男性作者论文，但它们的创新指数并不逊色。事实上，在相同创新水平下，女性作者论文需要更高的创新指数才能获得与男性作者论文相同的引用次数。

这一发现进一步揭示了学术引用中的性别偏见，表明女性作者的创新成果未能得到应有的认可和回报。

五、实证结果

首先，作者构建了一个基准概率模型，将论文被遗漏的概率作为因变量，而将作者性别作为核心自变量，同时控制了论文的发表期刊、作者所属机构、论文领域、出版年份及参考文献数量等多重因素，以确保分析的精确性和可靠性。通过这一模型，作者发现女性作者论文的遗漏概率显著高于男性作者论文，平均高出20%至30%，且这一结果在多种模型设定下均保持稳健。

进一步地，作者分析了引用团队和被引用团队的性别构成对遗漏概率的影响，发现当引用团队全为男性时，女性作者论文的遗漏概率尤其高，这表明男性学者在引用文献时可能存在无意识的性别偏见。为了更深入地理解这一现象，作者还考察了不同学术机构层级和学科领域中的性别遗漏差异，发现来自中层机构的女性作者论文最易受到遗漏，而在理论性较强的数学经济学领域，性别遗漏现象尤为突出。

此外，作者还通过构建创新指数，提供了另一种评估论文质量的视角，发现尽管女性作者论文在创新性上并不逊色于男性作者论文，但由于引用遗漏，它们的实际影响力被低估。这一发现进一步支持了性别偏见在学术引用中的存在，并强调了纠正这种偏见的重要性。最后，作者通过反事实分析，模拟了如果没有引用遗漏，女性作者论文将获得的引用次数，发现补偿遗漏后，女性作者论文在创新性指数上的劣势将完全消失，这为制定消除性别偏见的政策提供了有力依据。

整体来看，第五部分通过系统的实证分析，不仅揭示了学术引用中的性别遗漏现象，还深入探讨了其背后的作用机制和影响因素，为促进学术领域的性别平等和提高女性学者的学术认可度提供了重要的理论支持和实证依据。

六、结论

研究表明，女性学者在经济学领域的学术成果存在显著的引用遗漏现象，其论文被同领域研究引用的概率显著低于男性同行，即便在控制了论文质量、发表期刊层级及作者所属机构等多重因素后，这一性别差异依然显著。尤其值得注意的是，来自中层学术机构的女性学者面临的引用遗漏问题最为突出，而即使在顶级期刊发表的高质量论文，女性作者的成果也未能免于被忽视的命运。

进一步分析揭示，这种引用遗漏并非源于信息缺失或论文质量差异，而是与学术圈内的性别偏见和引用习惯密切相关，男性学者在引用文献时更倾向于引用同性的研究成果。为应对这一问题，作者提出了创新指数作为评估论文质量的替代指标，该指数通过考量论文的独特性和对后续研究的影响力，有效规避了引用次数可能带来的性别偏见。实证分析显示，女性作者的论文在创新性上并不逊色于男性，但由于引用遗漏，其实际学术影响力被严重低估。基于上述发现，作者呼吁学术界和政策制定者采取积极措施，包括增强编辑和审稿人对引用遗漏问题的意识，在职称评定和科研资助决策中充分考虑女性学者成果被低估的现状，以及构建更加透明和公正的学术评价体系。

此外，作者还强调了引入遗漏指数作为评估学术贡献的重要参考，以提高学术评价的全面性和准确性。

总之，本研究不仅为理解学术领域内的性别不平等提供了新的视角和证据，还为促进性别平等、提升女性学者学术地位和推动学术研究的健康发展提供了宝贵的参考和启示。