Известно, что успешных женщин-ученых существенно меньше, чем мужчин. Оставляя за рамками дискуссии бессодержательные заявления о преимуществе мужского ума над женским, австралийские исследовательницы применили простейшую экологическую модель для объяснения этого феномена. Почему женщинам не удается добиться тех же результатов, что и мужчинам? Потому что у женщин, вынужденных часть активного времени отдавать семейным заботам, оказывается растянута фаза накопления необходимого для карьерного роста научного багажа. Пока продолжается эта фаза отрицательного приращения научной результативности, их неминуемо и закономерно обгонят более свободные конкуренты.
Австралийские исследовательницы Кэтрин О’Брайен (Katherine O’Brien) из Квинслендского университета и Карен Хэпгуд (Karen Hapgood) из Университета Монаша (Monash University) попробовали ответить на вопрос, почему в науке так мало женщин. В отличие от других людей, которые предпочитают психологическую подоплеку в этой теме (не говоря уже о грубом сексизме), они опирались на простейшие модели, которые приняты в экологии. Подход вполне оправдан: в настоящее время наука всё больше напоминает по своим распорядкам биологические системы с их конкуренцией, борьбой за ограниченные ресурсы, симбиозом и паразитизмом. Это означает, что известные наработки из экологии вполне применимы и к научному сообществу.
О’Брайен и Хэпгуд взяли за основу базовую модель роста численности популяции — логистическое уравнение Ферхюльста. Традиционно предполагается, что количество научного продукта напрямую зависит от времени, затрачиваемого на занятия наукой. Иными словами, работаешь на полную ставку — должен выдать столько-то и столько-то публикаций (грантов, командировок, гербариев и т. д.) в год, если работаешь на полставки, то изволь выдать половину этого количества. Логистическое же уравнение Ферхюльста означает, что скорость прироста научного продукта индивида пропорциональна текущей результативности индивида в научном сообществе, а не просто зависит от времени, затраченного на исследование. С точки зрения ученого, логистический подход в среднем более реалистичен, чем простая временная зависимость: привлечение дополнительных грантов, умелых сотрудников, организация нескольких параллельных тем зависят не столько от затрачиваемого времени, сколько от положения ученого. Маститому ученому проще получить эти элементы, необходимые для плодотворной научной работы, чем ученому с неустоявшейся позицией.
Анализ логистического уравнения в приложении к научному продукту, конечно, может привести только к самым общим выводам. Но, тем не менее, и они показательны.
Вывод первый, тривиальный. Научные достижения зависят от индивидуального потенциального максимума (Rmax). Второй вывод нетривиальный, и он касается времени, которое требуется для достижения конкретного результата (конкретного уровня научной продуктивности). Чтобы получить один и тот же результат, ученому с более низким потенциалом требуется затратить несоразмерно больше времени, чем ученому с большим потенциалом; «несоразмерно» в данном случае означает, что эта зависимость непрямая. Как предполагают исследовательницы, сам максимальный потенциал зависит от времени, которое ученый в принципе может потратить на исследования. У женщины, работающей в науке на полставки или занятой так или иначе домашними проблемами, этот потенциал будет меньше, чем у коллеги-мужчины, выбросившего из головы семейные заботы. Поэтому сколь бы умна и талантлива ни была ученая дама, ей придется затратить существенно больше времени на результат, аналогичный тому, что получает полностью погруженный в науку ученый. И это не столько гендерные различия, сколько простые правила популяционной динамики.
На графике проведена горизонтальная сплошная линия. Это еще один важный элемент динамики популяционного роста: минимальная критическая масса научного продукта (или другого порогового параметра), при котором начинается устойчивый рост. Данный пороговый параметр, безусловно, осмыслен в приложении к научным результатам: ясно, что пока у исследователя две-три публикации или участие в одной молодежной конференции, то ему вряд ли удастся получить хороший проект. Нужно набрать эту критическую массу, после которой к исследователю начинают относиться серьезно. Достижение критической массы научного продукта, как и любого другого уровня результативности, для работающих неполный рабочий день сильно откладывается во времени.
Добавление в логистическое уравнение порогового значения результативности, или, по-другому, критической массы научного продукта, приводит к третьему нетривиальному выводу. До достижения пороговой результативности прирост научного продукта будет отрицательным. Нужно преодолеть, набравшись терпения и целеустремленности, период отрицательного роста, и тогда уже научный багаж начнет работать на исследователя, от него будет отдача.
Зависимость приращения научного продукта от текущего научного багажа в модели с добавленной пороговой результативностью dR/dt = rR(1 – R/Rmax)[(R – Rc)/Rmax]; Rc — пороговая результативность. Пустой кружок — точка неустойчивого равновесия в Rc, черный — точка устойчивого равновесия в Rmax. Ноль также является точкой устойчивого равновесия. Изображение из обсуждаемой статьи в Oikos
В модели с пороговой результативностью имеются три точки равновесия, то есть точки, в которых прирост результатов равен нулю. Очевидно, первая из них — это точка ноль, когда никакого научного продукта не вырабатывается и прирост нулевой. Вторая точка — это пороговое значение, в этой точке равновесие неустойчиво: при любом отклонении от этого значения текущий процесс либо возвращает функцию к нулю, либо увлекает ее к достижению максимума. И наконец, при достижении максимальной результативности научный процесс будет стремиться возвратить систему в это положение. Три равновесные точки показывают, что важнее всего преодолеть точку неустойчивого равновесия (точку пороговой результативности), до ее достижения все усилия будут казаться тщетными. Продление этой малоприятной фазы вызывает у работающей на полставки женщины чувство бесперспективности всех усилий. Кроме того, в условиях научной конкуренции подобного исследователя быстро обгонят и вытеснят из приоритетных областей более свободные сотрудники. Им, как мы помним, требуется меньше времени на преодоление фазы роста.
Таким образом, авторы публикации доказывают, что уменьшение временных затрат на научную работу приводит к несоразмерному продлению малорезультативной фазы роста. Поэтому женщины, которые как раз в силу сложившихся биологических и социальных обстоятельств не могут полностью окунуться в работу, сильно отстают в накоплении научного багажа. Из-за этого их легко обгоняют конкуренты, занятые работой полное время, из-за этого откладывается фаза быстрого научного роста, столь необходимого и для внешней оценки и для самооценки. Психологически такую ситуацию не слишком легко пережить талантливому ученому, в связи с этим авторы работы советуют женщинам-ученым быть более хитрыми в выборе темы и руководителя, мудрыми, терпеливыми и не терять целеустремленности и энтузиазма. Эти качества помогают не сдаться во время фазы роста. Руководителям научных учреждений и проектов они советуют пристальнее присматриваться к своим талантливым сотрудницам, пусть даже так называемые объективные показатели научной результативности у них не слишком высокие.
По всей видимости, не только удлинение критической фазы научного роста предопределяет подчиненное положение женщин-ученых. Их подчиненное положение зависит также и от субъективных гендерных характеристик: недостаток напористости, хваткости, соревновательности, мягкость в ущерб собственным интересам — всё это мешает женщинам добиваться высоких позиций в научной иерархии.
Источник: Katherine R. O’Brien, Karen P. Hapgood. The academic jungle: ecosystem modelling reveals why women are driven out of research // Oikos. V. 121. P. 999–1004.
Графики логистического уравнения dR/dt = rR(1 – R/Rmax) при разных максимально возможных уровнях научных достижений, где R — научный продукт, Rmax — постоянный параметр, означающий максимально возможные достижения, он определяется индивидуальными талантами и, кроме того, зависит от области науки, в которой работает человек; r — постоянный коэффициент, по смыслу это скорость оборота научной продукции, то есть через какое время с полученного результата можно ожидать отдачу (получить грант, студентов, повышение в иерархии и т. д.). Изображение из обсуждаемой статьи в Oikos