An official website of the United States government
Abstrakt Jämlikhet, mångfald och inkludering (EDI efter engelska Equity, diversity and inclusivity) är värden som alla forskargrupper och organisationer ska sträva efter. Dessa värden säkrar arbetsvillkor, policies och praktik som inte bara främjar forskningsresultat av hög kvalité men även det vulkanologiska samhällets välbefinnande. I denna artikel reflekterar vi över EDI framsteg inom vulkanologin genom att utvärdera internationella organisationers medlemsdata, sammansättningen av nämnder, fördelning av priser och förstaförfattarskap av artiklar i vulkanologiska tidskrifter. På grund av den otillräckliga tillgången på data fokuserar vi vår analys utifrån diskriminering som kan kopplas till könsidentitet, men visar även att diskriminering på grund av etnicitet, sexuell läggning, religion, fysisk förmåga och socioekonomisk bakgrund förekommer och att om flera av dessa faktorer korsas leder det till ännu värre marginalisering inom det vulkanologiska samhället. Vi delar förslag och råd från andra discipliner om hur individer, forskargrupper och organisationer kan främja, utveckla och implementera nya initiativ som identifierar och tar itu med diskriminering och förbättrar EDI inom vulkanologin. Det finns mycket förbättringspotential om vi alla ser vår roll i att skapa ett jämlikare, och inkluderande vulkanologiskt samhälle med mer mångfald. Att uppnå detta kräver: 1) Medvetenhet: erkännandet av problemet, 2) Engagemang: genom att anta EDI i värdegrunden och utveckla handlingsplaner, uppförandekoder och riktlinjer, 3) Handling med målet att uppnå alla gruppers representation och 4) Reflektion: utveckling genom kritisk självreflektion och viljan att ta itu med brister.
more »
« less
Deep learning based real-time and in-situ monitoring of weld penetration: Where we are and what are needed revolutionary solutions?
More Like this
-
-
Abstract We explore ways in which statistics can be used to understand disease spread and support decision‐making by governments. “Past performance does not guarantee future results”—we hope. We discuss and show examples from the National Science Foundation (NSF)‐funded COVID‐Inspired Data Science Education through Epidemiology (CIDSEE) project. Throughout, the emphasis is on the relationships between evidence, modeling and theorizing, and appropriate action. Statistics should be an essential element in all these aspects. We point to some “big statistical ideas” that underpin the whole process of modeling, which can be illustrated vividly in the context of pandemics. We argue that statistics education should emphasize the application of statistics in practical situations, and that many curricula do not equip students to use their understandings of statistics outside the classroom. We offer a framework for curriculum analysis and point to some rich teaching resources.more » « less
-
Semanticists often assume an ontology for natural language that includes not only ordinary objects, but also events, as well as further distinctions. We link this ontology to how speakers represent static and dynamic entities. Specifically, we test how speakers determine whether an entity counts as “atomic” by using count vs. mass (e.g., some gleebs, some gleeb) and distributive vs. non-distributive descriptions (e.g., gleeb every second or so, gleeb around a little). We then seek evidence for atomic representation in a non-linguistic task. Ultimately we suggest that natural language ontology reveals properties of language-independent conceptualization.more » « less
- Free Publicly Accessible Full Text
-
Accepted Manuscript1.0
- Journal Article:
- https://doi.org/10.1016/j.jmapro.2023.03.011
