Core Concepts
共通データ分析手法に限界があるため、異なるアプローチが必要。
Abstract
米国内でのコンピューティングにおける表現に関する懸念から、参加拡大活動が推進されている。
一般的なデータ分析手法は、各人口の代表率を見るだけであり、効果的な評価には不十分。
性別や人種/民族に関するデータが報告されているが、交差的アイデンティティのデータは欠落している。
異なるアプローチを提案し、学生の関与を正確に示すべきであると主張。
大学全体の人口統計文脈も考慮すべきであることを強調。
導入
米国内でのコンピューティング表現に対する懸念から多くの活動が行われている。
一般的なデータ分析手法では長期的傾向を正確に評価できない。
長期度数データのコホート分析
コンピューティングにおける多様性は通常全体の割合として見られている。
標準分析は時間経過ごとの変化を正確に評価しない。
大学文脈の重要性
大学全体の人口統計文脈は、参加拡大活動を評価する際に考慮すべき重要な要素。
エントロピーベース多様性指標
エントロピー指標は集団内均等性を測定し、JS距離は異なる集団間の類似性を示す。
結論
単一指標だけでは不十分であり、異なるアプローチが必要。
学生体験やプログラム包括性向上へ向けた質的分析も重要。
Stats
米国内で2020年度最も多くCS学位授与した12校間でJensen-Shannon距離計算