Abonnez-vous à DeepL Pro pour traduire des fichiers plus volumineux. Visitez pour en savoir plus.

Politique de recherche 51 (2022)

104561

Listes des contenus disponibles à ScienceDirect

Politique de recherche
Page d'accueil du journal :
www.elsevier.com/locate/respol

Qu'est-ce qui rend un doctorant productif ?

Alberto Corsinia,* , Michele Pezzonia,b,c,d , Fabiana Visentin e
a
Universit'e Cˆote d'Azur, CNRS, GREDEG, France
b
Observatoire des Sciences et Techniques, HCERES, France
c
OFCE, SciencesPo, France
d
ICRIOS, Université Bocconi, Italie
e
UNU-MERIT, Université de Maastricht, Maastricht, Pays-Bas

A R T I C L EI N F
O ABSTRACT

Classification JEL : Cet article étudie comment l'environnement social auquel un étudiant en doctorat est exposé pendant sa
J24 formation est lié à sa productivité scientifique. Nous étudions comment les caractéristiques du superviseur et
O30 des pairs sont associées à la quantité et à la qualité des publications de l'étudiant, ainsi qu'à la taille du réseau
Mots-clés : de coauteurs. Unique dans notre étude, nous couvrons l'ensemble de la population des étudiants en doctorat
Étudiants en doctorat d'un pays européen pour tous les domaines STEM en analysant 77 143 étudiants qui ont obtenu leur diplôme
Déterminants de la en France entre 2000 et 2014. Nous constatons que le fait d'avoir un superviseur féminin productif, en milieu
productivité de carrière, peu expérimenté et bénéficiant d'une bourse nationale est positivement associé à la productivité de
Environnement social l'étudiant. De plus, nous constatons que le fait d'avoir peu de pairs productifs en première année et au moins
Superviseur
une femme parmi ses pairs est associé positivement à la productivité de l'étudiant. Il est intéressant de noter
Pairs
que nos résultats sont hétérogènes lorsqu'on ventile la population étudiante par domaine de recherche.

"Ma superviseure a tout ce que je recherchais chez un mentor. Ell e

est jeune et ambitieuse, et elle surmonte toute inexpérience par sa
soif de partager ses connaissances. Le fait de me choisir comme
premier doctorant tout en créant son propre groupe de recherche,
m'a rempli d'un sentiment de re- sponsabilité tout en me donnant la
liberté de créer quelque chose que je considère comme mien." 1
(Témoignage d'un doctorant de deuxième année en
médecine humaine)
"Le groupe du professeur A a développé de nombreuses frontières
de recherche multidisciplinaires. Grâce à ses relations, j'ai
l'occasion de travailler avec d'excellents collègues de la faculté de
médecine. Les expériences de recherche collaborative que j'ai
vécues au cours de mon doctorat m'ont permis d'élargir mon champ
d'expertise. Tous les membres du groupe du laboratoire du
professeur A sont très productifs et l'atmosphère du groupe est très
agréable. La taille du groupe est juste ce qu'il faut, et le groupe est
très dynamique et collaboratif."2
(Témoignage d'un étudiant diplômé en génie électrique)
1. Introduction
Au cours des 20 dernières années, les pays de l'OCDE ont presque
doublé le nombre d'étudiants diplômés, passant de 154 000 en 2000 à
276 800 en 2017 (OCDE, 2013, 2019), alors que le nombre d'emplois
hautement qualifiés n'a pas augmenté au même rythme (Cyranoski et
al., 2011 ; Sauermann et Roach, 2012). Cette tendance a déterminé une
concurrence féroce pour les postes disponibles après le doctorat
(Freeman et al., 2001). Un article récent paru dans Nature career news
et portant sur 317 chercheurs en début de carrière à la recherche de
postes universitaires a averti les étudiants qui souhaitent entreprendre
une carrière universitaire qu'il faut au moins 15 candidatures pour
recevoir une seule offre d'emploi (Fernandes et al., 2020 ; Notman et
Woolston, 2020). L'hyperconcurrence sur le marché de l'emploi oblige
les doctorants à se concentrer sur les résultats à forte valeur pour les
recruteurs, qui sélectionnent les candidats présentant un solide profil
de publication et un riche réseau scientifique (Alberts et al., 2014).
Malgré l'appel de la communauté scientifique à donner moins de poids
aux métriques de publication dans les décisions de sélection
(Benedictus et al., 2016), la pratique du comptage des publications et
des citations persiste, et la norme pour les doctorants est de publier
leurs chapitres de thèse avant même d'être diplômés (Black et Stephan,
2010 ; Brischoux et Angelier,

* Auteur correspondant.
Adresse électronique : alberto.corsini@univ-cotedazur.fr (A. Corsini).
1
https://www.findaphd.com/advice/blog/4554/the-best-thing-about-my-phd-supervisor-students-share-their-stories.
 2
https://www.ese.wustl.edu/~nehorai/students/testimonials.html.

https://doi.org/10.1016/j.respol.2022.104561
Reçu le 1er juillet 2021 ; Reçu sous forme révisée le 21 mars 2022 ; Accepté le 21 mai 2022.
Disponible en ligne le 7 juin 2022
0048-7333/© 2022 Elsevier B.V. Tous droits réservés.
 A. Corsini Politique de recherche 51

2015 ; Horta et Santos, 2016 ; Sauermann et Haeussler, 2017 ; van sont formés en petites équipes et supervisés par un professeur ayant un
Dijk et al., 2014). Outre le palmarès des publications, les recruteurs
accordent également de l'importance au réseau scientifique du candidat
(Heffernan, 2021), qui témoigne de sa capacité à établir des
collaborations de recherche à une époque où la production de
connaissances est de plus en plus le résultat d'un travail d'équipe (Katz
et Martin, 1997 ; Wuchty et al., 2007). C'est pourquoi les étudiants, les
directeurs de programmes de doctorat et les décideurs politiques qui
souhaitent former des étudiants très compétitifs sur le marché du
travail demandent instamment de comprendre quelles sont les
conditions de travail associées aux scores élevés de publication et aux
grands réseaux scientifiques des étudiants. En d'autres termes, ils
demandent instamment de répondre à la question suivante : qu'est-ce
qui rend un doctorant productif ?
Dans cet article, nous abordons cette question en analysant le rôle
qu'un large éventail de caractéristiques de l'environnement social
auquel un étudiant en doctorat est exposé a sur la productivité
scientifique de l'étudiant pendant la période de doctorat. Ce faisant,
nous apportons trois contributions à la littérature existante.
Premièrement, les études existantes présentent des preuves
empiriques éparses sur la façon dont des facteurs tels que la qualité de
l'université, le sexe du superviseur, le réseau scientifique du
superviseur, la nationalité de l'étudiant, la spécialisation du groupe
d'étudiants et le financement sont liés à la productivité des étudiants
(Baruffaldi et al., 2016 ; Conti et al., 2014 ; Gaul'e et Piacentini, 2013,
2018 ; Horta et al., 2018 ; Pez- zoni et al., 2016 ; Rossello et al., 2020 ;
Waldinger, 2010). Notre article englobe dans une analyse unique un
ensemble complet de caractéristiques biographiques et académiques
pertinentes du superviseur et des pairs, les deux acteurs les plus
importants avec lesquels l'étudiant établit des relations pendant la
période de formation (Carayol et Matt, 2004 ; Shibayama et al., 2015 ;
Stephan et al., 2007 ; Stephan et Levin, 1997).
Deuxièmement, bien que la relation étudiant-superviseur ait déjà
fait l'objet d'une attention (Paglis et al., 2006 ; Platow, 2012 ; Sinclair
et al., 2014), certaines caractéristiques pertinentes du superviseur ont
été négligées par la littérature empirique passée, comme l'expérience
de mentorat et la capacité de collecte de fonds des superviseurs. En
outre, la littérature empirique a souvent négligé l'influence des
caractéristiques des pairs pendant la période de formation de l'étudiant
(avec quelques exceptions notables comme Brostro¨m, 2019).
Néanmoins, les étudiants passent la plupart de leur temps dans les
laboratoires, interagissant fréquemment avec leurs pairs, ce qui rend la
dynamique de groupe fondamentale pour le processus d'apprentissage
de l'étudiant (Shibayama et Kobayashi, 2017). Notre article contribue à
faire avancer les connaissances sur la façon dont les caractéristiques
négligées du superviseur et les caractéristiques des pairs sont associées
à la productivité de l'étudiant.
Troisièmement, les études existantes sur la productivité des
étudiants reposent sur des échantillons sélectionnés d'étudiants affiliés
à des universités de premier plan (Pezzoni et al., 2016), travaillant dans
des disciplines spécifiques (Delamont et Atkinson, 2001 ; Gaule' et
Piacentini, 2018) ou obtenant leur diplôme au cours d'années
spécifiques (Brostro¨m, 2019 ; Shibayama et Kobayashi, 2017).
L'utilisation d'échantillons sélectionnés est parfois hautement
souhaitable permettant des stratégies d'identification solides
(Waldinger, 2010). Cependant, cela se fait au prix d'une validité
externe limitée des résultats des analyses en raison de la nécessité de
tirer des conclusions pour des disciplines, des universités ou des
périodes historiques spécifiques. Notre analyse surmonte cette
limitation en couvrant toutes les universités françaises dans tous les
domaines STEM sur une longue période de temps, y compris 15
cohortes d'étudiants.
L'étude la plus similaire à la nôtre est un article de Brostro¨m
(2019). Brosto¨m étudie comment les conditions du département sont
liées à la réussite des étudiants de doctorat en début de carrière. Il
emploie des données sur des étudiants suédois et constate qu'ils
obtiennent de meilleurs résultats au début de leur carrière lorsqu'ils

2
 nous nous attendons à ce que les
NA. ne souffre pas des problèmes de représentativité des
solide profil aca- demique. Une différence essentielle avec notre caractéristiPqoulietisqudeudesurepceherrvcihsee5u1r(2e0t 2d2e) s pairs
données d'enquête, et la longue période observée nous permet de
travail est que Brosto¨m examine un échantillon sélectionné
d'étudiants interrogés qui ont obtenu leur diplôme dans une cohorte et
travaillent en groupe, alors que nous utilisons des données sur la
population entière d'un pays, y compris 15 cohortes d'étudiants
diplômés. Le fait de disposer de l'ensemble de la

relations (Lovitts, 2001 ; Tompkins et al., 2016). Par conséquent, 3

 A. Corsini Politique de recherche 51

contrôler les effets de cohorte. Une autre différence importante avec

notre travail est que Brosto¨m étudie la relation entre l'environnement
du doctorat et les résultats après l'obtention du diplôme. Les anciens
étudiants en doctorat peuvent avoir intégré des contextes
professionnels très différents, certains travaillant dans des universités
très réputées après l'obtention de leur diplôme, tandis que d'autres
quittent le monde universitaire. L'environnement post-diplôme
pourrait être à l'origine d'une partie des effets identifiés. En revanche,
notre travail limite la productivité des doctorants pendant leur période
de formation, associant l'environnement social à des résultats
strictement liés à la période de formation. Nos résultats sont donc
informatifs de l'efficacité des programmes de doctorat.
Nos résultats montrent qu'une plus grande productivité des
étudiants est associée au fait d'avoir un superviseur féminin productif.
Au contraire, le fait d'avoir un superviseur ayant une longue
expérience de mentorat et un superviseur en début ou en fin de
carrière est associé à une productivité plus faible des étudiants. La
capacité du directeur de recherche à collecter des fonds au niveau
national et européen est associée à une plus grande visibilité des
travaux du doctorant, comme le montrent les citations reçues par les
publications du doctorant. Cependant, le fait d'être supervisé par un
chercheur ayant obtenu des subventions européennes a un effet
négatif sur la quantité de publications et la taille du réseau de
l'étudiant. En examinant les caractéristiques des pairs, nous
constatons qu'un nombre élevé de pairs est associé à une productivité
plus faible de l'étudiant. Inversement, le fait d'avoir un nouveau pair
très cité est associé positivement à la productivité de l'étudiant.
Lorsque nous décomposons notre analyse par domaine, c'est-à-dire
les mathématiques, l'ingénierie, la physique et la médecine-biologie-
chimie, nous trouvons des résultats hétérogènes entre les domaines.

2. Environnement social et productivité pendant la

période de formation

Comprendre comment les caractéristiques de l'environnement

social sont associées à la productivité des doctorants est au centre des
discussions actuelles au sein de la communauté scientifique
(Chenevix-Trench, 2006 ; Lempriere, 2020). Cette discussion est
devenue de première importance en raison de la forte augmentation
du nombre de titulaires de doctorat au cours des dernières décennies,
qui n'a pas correspondu à une augmentation égale du nombre de
postes de recherche (Cyranoski et al., 2011). L'inadéquation entre
l'offre et la demande de titulaires de doctorat a renforcé la
concurrence pour les quelques postes disponibles (Brischoux et
Angelier, 2015 ; Freeman et al., 2001 ; Mangematin, 2000 ; van Dijk
et al., 2014). Interrogés, plus d'un tiers des doctorants français
déclarent aujourd'hui être inquiets pour leur avenir professionnel
(Pommier et al., 2022). Dans le contexte hyperconcurrentiel créé, les
titulaires d'un doctorat visant à poursuivre une carrière de chercheur
sont principalement évalués sur leurs résultats de publication pendant
leur période de formation et leur réseau de collaboration (Alberts et
al., 2014 ; Heffernan, 2021 ; Mangematin et Robin, 2003). Par
conséquent, les résultats de publication et les réseaux de collaboration
sont devenus des atouts fondamentaux pour déterminer la réussite
professionnelle des diplômés (Allison et Stewart, 1974 ; Long et
McGinnis, 1985 ; Merton, 1968 ; Tenenbaum et al., 2001 ; Vale,
2015).
Comme dans tout autre contexte de travail, les réalisations des
élèves mesurées
par les résultats de publication et les réseaux de collaboration
dépendent des caractéristiques de l'environnement auquel les
étudiants sont exposés. Pendant la formation doctorale,
l'environnement pertinent pour la formation académique est le
laboratoire où travaille l'étudiant (Shibayama et Kobayashi, 2017). Au
sein du laboratoire, les étudiants développent des relations sociales
avec leurs supérieurs et leurs pairs. La réussite du doctorat et la
satisfaction du programme d'études supérieures dépendent de ces

4
 nous nous attendons à ce que les
NA. ne souffre pas des problèmes de représentativité des
2.1. Caractéristiques dula
superviseur et productivité de nous
l'étudiant caractéristi
fait Pqoulietisqudeudesurepceherrvcihsee5u1r(2e0t 2d2e) s pairs
qu'un directeur de thèse consacre moins de temps à la recherche et à
données d'enquête, et longue période observée permet de
l'encadrement peut avoir un impact négatif sur le soutien apporté à ses
La productivité de l'étudiant dépend en grande partie du succès de étudiants de doctorat et, par conséquent, sur la productivité de ces
la collaboration entre l'étudiant et le superviseur. Comme dans toute derniers.
autre relation de collaboration, les caractéristiques des collaborateurs Alors que l'ancienneté est censée nuire à la productivité des
jouent un rôle crucial dans la détermination du succès de la étudiants, nous nous attendons à une relation positive entre l'expérience
collaboration. Dans le cas des collaborations scientifiques, les de mentorat du superviseur et la productivité de l'étudiant. L'expérience
caractéristiques biographiques et le profil académique sont des accumulée dans l'encadrement des étudiants développe différentes
éléments essentiels à considérer (Azoulay et al., 2010 ; Bercovitz et capacités, comme le conseil, le tutorat,
Feldman, 2011 ; Bozeman et Corley, 2004 ; Katz et Martin, 1997 ; Lee
et Bozeman, 2005 ; Taylor et Greve, 2006). Plus encore, dans la
collaboration étudiant-superviseur, les caractéristiques du superviseur
sont censées être cruciales pour la productivité de l'étudiant en raison
du rôle de mentor et de chef de laboratoire joué par le superviseur
(Delamont et Atkinson, 2001 ; Golde, 2005 ; Lee et al, 2007 ;
Lempriere, 2020 ; Li'enard et al., 2018 ; Ma et al., 2020 ; Mangematin
et Robin, 2003 ; Pearson et Brew, 2002 ; Shibayama, 2019 ;
Shibayama et al., 2015 ; Tenenbaum et al., 2001).
En examinant les caractéristiques biographiques du superviseur,
nous prenons en compte le sexe, l'ancienneté et l'expérience du
mentorat. Nous nous attendons à ce que les superviseurs féminins et
masculins aient des approches différentes du mentorat. Des études
ethnographiques portant sur les routines de laboratoire ont exploré ces
comportements. En enquêtant auprès de 185 étudiants de l'Université
de Californie, Tenenbaum et al. (2001) ont constaté que les
superviseurs masculins sont moins susceptibles que leurs homologues
féminins de fournir une aide psychologique aux étudiants, ce qui
diminue le niveau de satisfaction des étudiants à l'égard de l'expérience
de formation au doctorat. Cependant, les directeurs de recherche
masculins et féminins offrent la même "aide instrumentale", en
fournissant aux étudiants les mêmes connaissances techniques
nécessaires pour soutenir leur productivité en matière de publication.
Dans une autre enquête réalisée en médecine, Luckhaupt et al. (2005)
ont constaté que les superviseurs féminins perçoivent des limites liées
au sexe dans la collaboration avec leurs étudiants. Dans une expérience
de terrain portant sur le recrutement d'étudiants à des postes de chefs
de laboratoire, 127 professeurs évaluant les curriculum vitae des
étudiants ont été financés pour favoriser les étudiants masculins
(Moss- Racusin et al., 2012). Des études empiriques de plus grande
envergure ont confirmé ces différences. Dans un échantillon de 20 000
doctorants américains en chimie, Gaul'e et Piacentini (2018) constatent
que les étudiants qui se jumellent avec un conseiller du même sexe
sont plus productifs que ceux qui travaillent avec un conseiller d'un
sexe différent. Des résultats similaires ont été trouvés pour les
doctorants sud-africains par Rossello et al. (2020), qui montrent que
les étudiantes travaillant avec des superviseurs masculins sont moins
pro- ductives que les étudiants masculins. Dans le contexte d'une
université interdisci- plinaire américaine de premier plan, Pezzoni et
al. (2016) constatent que le fait d'avoir un superviseur féminin
augmente la productivité des étudiants en doctorat.
Une autre caractéristique biographique des superviseurs qui est
censée
L'ancienneté des superviseurs a une incidence sur la productivité des
étudiants pendant la période de formation. Un individu rationnel
diminue son temps de travail avec l'ancienneté (Diamond, 1984 ; Levin
et Stephan, 1991). Dans le cas des scientifiques, nous nous attendons à
ce qu'ils répartissent leur temps différemment entre les activités à
mesure que l'ancienneté augmente. En effet, les scientifiques disposent
d'une grande autonomie dans le choix du temps à allouer à différentes
activités telles que la collecte de fonds, la recherche, l'enseignement, le
conseil et les activités administratives (Libaers, 2012 ; Sabatier et al.,
2006). Nous nous attendons à ce que les jeunes superviseurs qui
souhaitent donner un coup de pouce à leur carrière consacrent plus de
temps à la collecte de fonds, à la recherche et aux activités de
mentorat. En revanche, les superviseurs seniors sont susceptibles de
consacrer plus de temps à des activités rémunératrices à court terme,
telles que le conseil et les activités administratives. Par conséquent, le

relations (Lovitts, 2001 ; Tompkins et al., 2016). Par conséquent, 3

 génération de nouvelles idées de
eAn. fournir un modèle et transmettre aux étudiants des
recherchPeoli(tiAquyeoduebriecheetrcahle.5, 1 2(2001272) ; Cornelissen et
connaissances techniques et tacites (Brostro¨m, 2019 ; Overington,
1977). Par conséquent, on s'attend à ce que les compétences de s'attende à ce que la pression des pairs et l'apprentissage à partir des
mentorat du superviseur évoluent avec l'expérience et conduisent à mécanismes des pairs augmentent la produc- tivité de l'étudiant
une meilleure formation des étudiants lorsque le superviseur a une pendant la période de formation, les coûts de coordination et la
longue histoire de mentorat. On s'attend à ce que cette meilleure concurrence.
formation soit associée à la productivité plus élevée du doctorant
pendant la période de doctorat.
En examinant le profil académique du superviseur, nous prenons
en compte ses publications, son réseau scientifique et ses capacités de
collecte de fonds. Les publications et les citations reçues reflètent le
statut universitaire et les compétences scientifiques du directeur de
recherche. Les doctorants supervisés par des scientifiques très
productifs sont censés acquérir des connaissances pratiques sur la
manière de mener des recherches fructueuses (Long et McGinnis,
1985 ; Sinclair et al., 2014). En effet, le superviseur devient souvent
un modèle pour l'étudiant qui reproduit les mêmes méthodologies de
recherche réussies, développe des aptitudes et des compétences
similaires et applique le même engagement aux entreprises de
recherche (Paglis et al., 2006). On s'attend à ce que le fait d'imiter le
comportement réussi d'un superviseur productif augmente la
productivité de l'étudiant pendant la période de doctorat.
La dimension du réseau des superviseurs devrait également être
associée à la productivité des étudiants. Par exemple, les étudiants
supervisés par des scientifiques en contact avec de nombreux co-
auteurs devraient être plus susceptibles de passer des périodes de
visite dans d'autres laboratoires afin d'acquérir de nouvelles
compétences, d'être présentés à des scientifiques de premier plan dans
la discipline et d'être exposés à différentes approches de recherche
(Mangematin et Robin, 2003 ; Stephan, 2006). Ces possibilités de
mise en réseau devraient avoir un impact positif sur la productivité
des étudiants (Lee et Bozeman, 2005).
Outre l'influence de la publication et de la mise en réseau, les
directeurs de thèse jouent également un rôle fondamental en
fournissant des ressources qui contribuent à la réussite du doctorat des
étudiants.
L'achèvement du programme de doctorat. Les chercheurs se sont
attachés à évaluer le rôle joué par différents types de bourses sur la
productivité des étudiants (Horta et al., 2018). Cependant, les
laboratoires modernes ont un caractère d'entreprise (Etzkowitz, 2003),
ce qui fait que leur compétitivité et leur survie dépendent
essentiellement du montant des fonds que le professeur qui dirige le
laboratoire peut collecter (Stephan, 2012). L'activité de collecte de
fonds des superviseurs est essentielle pour soutenir la participation
des étudiants à des conférences, les périodes de visite dans d'autres
instituts de recherche et l'accès à des équipements de laboratoire
modernes. Par conséquent, on s'attend à ce que l'abondance des fonds
de recherche du superviseur soit positivement liée à la productivité de
l'étudiant en doctorat pendant la période de formation.

2.2. Caractéristiques des pairs et productivité de l'étudiant

Notre étude considère les pairs de l'étudiant comme les autres

étudiants exposés au même environnement de travail, c'est-à-dire
ayant le même superviseur que l'étudiant focal pendant la même
période de formation (Conti et al., 2014 ; Luckhaupt et al., 2005).
Les doctorants, comme tout autre travailleur, interagissent avec
leurs pairs au cours de leurs activités professionnelles. Ces
interactions peuvent affecter la productivité des étudiants de plusieurs
manières. Tout d'abord, les étudiants ressentent la "pression des pairs"
qui consiste à maintenir un niveau de productivité similaire à celui de
leurs pairs qui s'efforcent d'obtenir la reconnaissance scientifique de
leur superviseur et de la communauté scientifique (Stephan et Levin,
1992). De plus, la comparaison avec des pairs productifs déclenche
des mécanismes psychologiques de comparaison sociale, amenant
l'étudiante focale à adopter les mêmes comportements productifs que
ses collègues (Tartari et al., 2014). Enfin, les étudiants apprennent en
observant et en interagissant avec leurs pairs, ce qui stimule la

5
 A. Corsini
dynamique pourrait nuire à la productivité des grands groupes
(Brostro¨m, 2019).
La littérature sur le travail, qui utilise à la fois des données
d'observation et des données expérimentales, converge pour montrer
que la présence de pairs dans l'environnement de travail affecte
positivement la productivité (Falk et Ichino, 2006). Cependant, nous
nous attendons à ce que l'effet bénéfique de la présence de pairs se
réduise lorsque le nombre de pairs augmente (Shibayama et
Kobayashi, 2017). En effet, le temps alloué par le superviseur à chaque
étudiant pourrait diminuer lorsque le nombre d'étudiants augmente, et
la recrudescence de la dynamique concurrentielle entre pairs pourrait
décourager la collaboration entre étudiants (Conti et al., 2014).
Ce n'est pas seulement la simple présence de pairs qui affecte la
pro- ductivité de l'étudiant focal, mais aussi les caractéristiques des
pairs. Comme pour le superviseur, nous analysons les caractéristiques
biographiques et académiques des pairs.
En tant que caractéristiques biographiques, nous nous attendons à
ce que le sexe et l'ancienneté des pairs soient associés à la productivité
des étudiants. Les études précédentes ne sont pas parvenues à des
résultats convergents sur le genre. S'intéressant aux étudiants non
diplômés, Dasgupta et al. (2015) constatent que la dynamique de
groupe n'est pas neutre sur le plan du genre. Par exemple, la
participation et la confiance en soi des étudiantes dans les discussions
de groupe sont plus élevées dans les groupes à majorité féminine. En
s'intéressant aux doctorants, Pezzoni et al. (2016) ont constaté que,
bien que le sexe de l'étudiant et du superviseur ait de l'importance, la
composi- tion des sexes dans le laboratoire n'est pas associée à la
productivité du doctorant. En ce qui concerne l'ancienneté des pairs, on
s'attend à ce que le fait d'avoir des pairs plus anciens ayant un stock de
connaissances plus important améliore le transfert de connaissances
vers l'étudiant focal (Ayoubi et al., 2017 ; Delamont et Atkinson,
2001), ce qui pourrait augmenter la productivité des étudiants.
Cependant, les pairs plus anciens peuvent se trouver dans une phase de
leur doctorat où les idées sont déjà arrêtées, et l'interaction avec
d'autres étudiants peut être moins fructueuse.
Comme caractéristiques académiques des pairs, nous considérons
la productivité des publications et des citations des pairs. La littérature
antérieure a montré que la productivité des pairs affecte positivement
la productivité des individus pour les emplois peu qualifiés tels que les
employés de supermarché et les cueilleurs de fruits (Bandiera et al.,
2009 ; Mas et Moretti, 2009). Pour les emplois hautement qualifiés,
comme la recherche scientifique, les résultats ne sont pas convergents.
Alors qu'Azoulay et al. (2010) montrent une diminution de la
productivité scientifique des membres de l'équipe lorsque le "
scientifique vedette " de l'équipe décède, Waldinger (2012) ne trouve
aucun effet de la perte d'un pair brillant. Bien que ces résultats ne
soient pas convergents, dans le contexte des doctorants, nous nous
attendons à ce que des pairs très productifs bénéficient à la
productivité de l'étudiant focal à travers les trois mécanismes décrits
ci-dessus : " pression des pairs " ; adoption de comportements
productifs inspirés par les pairs grâce au mécanisme de comparaison
sociale, et probabilité accrue d'acquérir des connaissances auprès de
pairs productifs.
Le mécanisme de comparaison sociale pourrait également jouer un
rôle en encourageant l'expansion du réseau de l'étudiant focal. Bien
que nous ayons soutenu que les étudiants s'appuient principalement sur
le réseau de leur superviseur pour créer leur réseau de collaboration,
les étudiants entourés de pairs qui investissent de l'énergie dans le
développement de leur réseau de co-auteurs pendant les périodes de
participation aux congrès et de visite auront probablement tendance à
imiter le même comportement. Par conséquent, nous nous attendons à
ce que la taille du réseau de l'étudiant soit plus grande lorsque les pairs
ont un réseau plus important.
3. La population française des doctorants en STEM
6
Politique de recherche 51
nombre de médailles Fields.
Pour la formation des scientifiques, la France dispose d'une offre
doctorale bien structurée. Ph.
Les bourses de doctorat sont parrainées par des universités, des
laboratoires, l'État ou des entreprises privées. Les étudiants sont
soutenus par des bourses qui durent généralement trois ans (Pommier
et al., 2022).3 Les contrats d'embauche des étudiants sont relativement
standards, et presque tous les étudiants sont embauchés comme
chercheurs professionnels à temps plein pendant toute la durée de leur
doctorat (Mangematin, 2000). Un système centralisé normalise les
règlements des programmes de doctorat, mais chaque université
dispose de marges de manœuvre pour organiser les cours et les
activités de laboratoire. En général, les programmes présentent une
hétérogénéité de terrain. Par exemple, les doctorants en sciences
naturelles et technologiques travaillent à plein temps dans des
laboratoires de recherche avec leurs collègues, tandis que dans les
autres disciplines, le travail des étudiants ne nécessite pas une présence
quotidienne dans les laboratoires. Au cours de leur première année, les
étudiants en doctorat sont souvent invités à suivre des cours de base en
théorie et en méthodologie, ainsi que des cours de compétences
supplémentaires tels que la "rédaction de pa- pers scientifiques". Les
années suivantes, une partie considérable du temps de doctorat est
consacrée à la rédaction de la thèse, un document d'environ 200 pages
dans lequel l'étudiant prouve ses capacités de recherche. Le format de
la thèse a évolué au fil du temps, passant de la production d'une
monographie cohérente sur un sujet spécifique à la norme actuelle qui
consiste à produire une collection de trois articles de recherche
indépendants. Ce changement s'inscrit dans la volonté d'encourager les
jeunes chercheurs à publier leurs travaux de recherche de doctorat dans
des revues scientifiques afin de faciliter leur future carrière.
L'importance de la thèse finale est évidente du fait que les chercheurs
français intervertissent souvent l'expression "être inscrit dans un
programme de doctorat" avec "faire une these" (l'équivalent anglais de
"writing a thesis"). Les candidats doivent être jumelés avec un
directeur de thèse qui accepte de les guider pour accéder au
programme de doctorat. La pratique de la rédaction d'une thèse sous la
direction d'un directeur assisté d'un co-directeur est autorisée.
4. Sources de données
Pour construire notre échantillon d'étude, nous rassemblons des
données provenant de sources multiples. La première est le dépôt
français des thèses de doctorat électroniques. Grâce à une autorisation
spéciale, nous avons obtenu l'accès à l'univers entier des fiches de
thèses STEM collectées par l'Agence Bibliographique de
l'Enseignement Sup'erieur (ABES) qui gère le dépôt depuis 1985.
Pour chaque fiche de thèse, nous disposons d'informations sur l'auteur,
le résumé, l'université d'obtention du diplôme, la date de soutenance, le
nom du superviseur, le nom du co-superviseur (le cas échéant) et le
domaine d'étude. Comme domaines, nous avons distingué les thèses en
Mathématiques, Ingénierie, Physique, et Médecine-Biologie-Chimie. 4
Malheureusement, les dossiers n'indiquent pas l'année d'entrée de
l'étudiant dans le programme de doctorat.
Nous l'approximons donc en supposant que chaque étudiant a
commencé le programme trois ans avant son année de soutenance de
thèse. Selon les statistiques nationales pour les domaines STEM, la
durée la plus fréquente du programme de doctorat est de trois ans.
La formation doctorale en France est de quatre ans, trois ans plus
l'année de soutenance de thèse. 5 Par conséquent, nous fixons l'année
d'entrée de l'étudiant dans le programme de doctorat à l'année t-3, et
nous définissons la période de formation du doctorat comme la
période allant de t-3 à t, où t est l'année de la soutenance.
Nos informations sur le sexe des étudiants et des superviseurs
résultent d'une stratégie d'appariement à itérations multiples (Gaul'e et
Piacentini, 2018 ; OCDE, 2012). Tout d'abord, nous faisons
correspondre les prénoms des étudiants avec la base de données
officielle française des noms de genre.6 Ensuite, pour les noms non
 génération de nouvelles idées de
eAn. fournir un modèle et transmettre aux étudiants des
appariés, nous techniques et tacites (Brostro¨m, 2019 ; Overington, recherchPeoli(tiAquyeoduebriecheetrcahle.5, 1 2(2001272) ; Cornelissen et
connaissances

7
 A. Corsini et al.
Notre cadre empirique est représenté par la population entière
Les étudiants en doctorat STEM d'un pays européen, la France. L'excellence des
La reconnaissance mondiale dont jouissent ses chercheurs et ses
institutions de recherche de premier plan témoigne de la place de la
France dans les domaines des STIM. Si l'on considère le nombre absolu
de lauréats du prix Nobel, 39 scientifiques français ont obtenu le prix
Nobel de la paix.
la plus haute reconnaissance en chimie, en médecine et en physique. Un
institut d'élite français, l'E'cole Normale Sup'erieure de Paris, est classé
premier ensemble
avec le California Institute of Technology par la proportion d'anciens
élèves ayant obtenu le prix. Marie Curie, la première femme à avoir
obtenu un prix Nobel et la seule femme récompensée deux fois, a reçu
sa formation principalement à Paris, où elle a établi son laboratoire. La
France obtient également des résultats exceptionnels en
mathématiques, puisqu'elle se situe dans le top 5 des pays pour
l'obtention du prix Nobel.
Politique de recherche 51
3
En 2021, 97 % des doctorants français dans les domaines de la science et de la
technologie ont bénéficié d'un financement spécifique pour soutenir leur
formation doctorale (Pommier et al., 2022).
4
Nous avons également utilisé une distinction fine des champs basée soit sur la
classification des champs Scopus des publications des directeurs de thèse, soit
sur une attribution manuelle des thèses. Les résultats des exercices de régression
à grain fin sont cohérents avec ceux présentés dans le texte principal. Les
résultats sont disponibles sur demande.
5
La durée du doctorat correspond à la durée des bourses d'études. Nous
avons vérifié cette statistique en interrogeant un sous-ensemble de
l'administration des universités.
6
Site web : https://www.data.gouv.fr/fr/datasets/liste-de-prenoms/.
7
 A. Corsini Politique de recherche 51

a répété l'exercice d'appariement avec les données sur le sexe du β

Étudiant′ sproductivité =β +(Superviseur′ scharacteristics ′
Bureau du recensement des États-Unis. 7
)
et la base de données de l'OMPI sur les noms de i 0 i 1

sexe, respectivement.
′ ′
Nous récupérons les enregistrements des publications des étudiants ′
+(Carac téristiques des pa irs
i ) 2 +(Cont rôlesi
et des superviseurs dans la base de données SCOPUS d'Elsevier. Nous β (1)
faisons correspondre la liste des étudiants d'ABES avec les auteurs ) β3 +ε
SCOPUS affiliés aux institutions françaises en utilisant les noms des
étudiants.
et les noms de famille comme critères de correspondance clés. 8 De 7
Site web : https://www.wipo.int/publications/en/details.jsp?id=4125.
même, nous faisons correspondre les noms et prénoms des 8
Nous avons éliminé de la liste initiale des étudiants fournie par l'ABES les
superviseurs avec les auteurs de SCOPUS. étudiants ayant des noms homonymes. Le fait d'avoir deux étudiants ou plus
Nous recueillons des informations sur le financement au niveau avec le même nom complet dans notre liste initiale d'auteurs de thèse de
national et européen. Au niveau national, nous utilisons la liste doctorat rendrait difficile de démêler leur identité et d'attribuer correctement
complète des subventions individuelles accordées par l'Agence les informations bibliométriques. Par conséquent, nous avons décidé de
supprimer les homonymes de notre liste originale d'auteurs de thèses de
Nationale de la Recherche (ANR), l'agence nationale française de
doctorat.
financement. En dehors de la France, nous considérons les 9
Site web : https://www.topuniversities.com.
programmes de financement au niveau européen. Nous utilisons la 10
Les 8 universités récompensées sont : Universit 'e d'Aix-Marseille, Universit'e
liste des subventions individuelles, Horizon 2020 (H2020) et les de Bordeaux, Universit'e Paris Saclay, PSL Paris Sciences et Lettres, Sorbonne
programmes-cadres (PC), accordées par la Commission européenne et
collectées dans la base de données CORDIS. Nous faisons
correspondre les superviseurs aux chercheurs principaux en utilisant
leurs noms et prénoms. Pour reconstruire la qualité du département
d'obtention du diplôme des doctorants, nous nous appuyons sur le
classement QS des universités. 9 Ce classement fournit des informations
détaillées sur la réputation académique des universités au niveau des
départements et nous permet de repérer les meilleurs départements
dans chaque domaine. Par exemple, l'Universit'e de Paris est dans le
top- 20% des universités en Mathématiques en France, mais pas en
Ingénierie. Nous intégrons les informations du classement QS aux
informations bibliométriques concernant les universités affiliées. Nous
construisons un ensemble de données bibliométriques appropriées sur
les publications et les auteurs des publications pour tous les
départements universitaires français. Pour créer cet ensemble de
données, nous faisons correspondre manuellement les noms des
universités françaises (et leurs variantes) avec les noms des affiliations
SCOPUS. Comme indicateur supplémentaire de la qualité des
départements, nous identifions les universités françaises qui, en 2011,
ont bénéficié du financement de l'Initiative d'excellence (IDEX) fourni
par le gouvernement français à un groupe sélectionné d'établissements
d'enseignement supérieur français. Le programme de financement
IDEX a été lancé en 2011 par le gouvernement français dans le cadre
d'une relance budgétaire nationale et a été attribué à huit universités.10
s'efforcent de devenir des concurrents des universités les mieux
classées au niveau mondial.
Pour créer notre échantillon d'étude, nous avons relié toutes les
informations extraites des sources de données énumérées ci-dessus
dans un ensemble de données original unique. Ce faisant, nous avons
joint les informations sur les étudiants, les superviseurs et les
départements. En outre, nous avons affiné notre échantillon d'étude en
excluant les étudiants présentant des indicateurs de productivité trop
élevés pour être crédibles. 11 Dans l'ensemble, les étudiants exclus
représentent moins de 10% de notre échantillon initial provenant de la
liste des noms d'étudiants de l'ABES. Après cet exercice de nettoyage,
nous avons obtenu un échantillon d'étude de 77 143 étudiants en
doctorat qui ont obtenu leur diplôme dans les universités françaises
entre 2000 et 2014.

5. Méthodologie économétrique

Pour estimer comment les caractéristiques de l'environnement

social de l'étudiant en doctorat sont liées à sa productivité, nous
estimons les coefficients du modèle présenté dans l'équation (1) en
utilisant les moindres carrés ordinaires (MCO). Comme représenté par
l'indice i, l'analyse se fait au niveau de l'étudiant.

8
 A. CoLrsainvi aetraial. ble de gauche de la productivité de Student dans
prend,
La valeur de la quantité et de la qualité des publications de l'étudiant
et la taille de son réseau scientifique. Nous mesurons la quantité de
publications en comptant le nombre d'articles évalués par les pairs
publiés par l'étudiant (Publications) et la qualité des publications en
comptant le nombre de citations annuelles reçues en moyenne par les
articles de l'étudiant (Citations moyennes). Nous mesurons la taille du
réseau de recherche de l'étudiant par le nombre de co-auteurs distincts
de l'étudiant (Co-auteurs). Les trois variables de productivité sont
calculées pendant la période de formation du doctorat, c'est-à-dire de
t-3 à t, avec l'ajout d'une année après la soutenance de thèse pour tenir
compte des décalages possibles dans le processus de publication
(Powell, 2016). Dans d'autres
En d'autres termes, nous calculons les résultats de la productivité dans
la période comprise entre t-3 et t + 1, où t est l'année de soutenance
de la thèse.
Les vecteurs caractéristiques du superviseur et caractéristiques des pairs
définissent
l'environnement social de l'étudiant en doctorat. Les contrôles sont un
vecteur comprenant les caractéristiques de l'étudiant et les
caractéristiques du département où il est inscrit. Enfin, ε est le terme
d'erreur idiosyncratique. Notre intérêt est d'estimer les vecteurs de
coefficients β1 et β2 qui relient les caractéristiques du superviseur et
des pairs à la productivité de l'étudiant.
Une préoccupation dans l'estimation de ces coefficients concerne
un problème potentiel d'endogénéité. Bien que nous incluions dans
notre régression un large ensemble de caractéristiques variables et
invariantes dans le temps identifiées par la littérature précédente
comme des facteurs affectant la productivité de l'étudiant, l'absence
d'approximations pour la capacité intrinsèque de l'étudiant pourrait
biaiser nos estimations. En effet, un problème de variable omise
pourrait survenir si la capacité non observée est corrélée avec les
variables expliquées et explicatives. Par exemple, les étudiants ayant
des capacités de recherche supérieures pourraient être à la fois plus
Universit'e, Sorbonne-Paris-Cit'e, de Strasbourg, Universite' de
Universit' Toulouse.
11
Nous avons exclu les étudiants ayant plus de 20 publications, plus de 100
ci- tations reçues par article, et plus de 200 co-auteurs pendant la période de
doctorat. Nous avons également exclu les étudiants pour lesquels leurs
superviseurs ont signalé plus de 100 publications et plus de 500 co-auteurs au
cours des cinq années précédant l'inscription de l'étudiant.
9
productifs et plus susceptibles d'être supervPiosliétsiqupeadre
rdeecsherscchiee5n1ti(f2i0q2u2e) s ayant de meilleures références
antérieures ont montré que ce problème d'endogénéité est atténué par
la difficulté du superviseur à évaluer la capacité de recherche de
l'étudiant lorsque celui-ci est au début de sa carrière universitaire
(Mangematin, 2000). L'asymétrie d'information lors du processus de
sélection de l'étudiant rend peu probable l'observation d'une corrélation
entre la capacité intrinsèque des étudiants et la qualité des
superviseurs. Belavy et al. (2020) montrent, dans une étude empirique
portant sur 324 doctorants, que les variables habituellement utilisées
comme indicateurs de l'aptitude des étudiants, telles que les résultats
scolaires antérieurs et les notes de formation, ne sont pas corrélées à la
productivité des doctorants. Dans le même ordre d'idées, des preuves
anecdotiques montrent que les tests standardisés souvent pris en
compte pour l'inscription au doctorat, par exemple les résultats du
GRE aux États-Unis, ne reflètent pas entièrement les capacités
universitaires futures de l'étudiant (Aristiza'bal, 2021). Bien que la
littérature précédente exclue une forte corrélation entre les capacités
académiques de l'étudiant et la qualité du superviseur, dans l'annexe E,
nous mettons en œuvre une vérification de la robustesse pour répondre
au problème potentiel d'endogénéité. Plus précisément, nous répétons
les estimations de l'équation (1) en ajoutant un proxy qui contrôle les
capacités de l'étudiant pendant sa période d'études secondaires. Nous
signalons les étudiants ayant des capacités exceptionnelles en calculant
une variable muette égale à un si l'étudiant a participé à un concours
sélectif pendant ses études secondaires (Agarwal et Gaule, 2020). Nous
considérons trois concours bien connus : l'Olympiade internationale de
mathématiques (OIM), les Olympiades Nationales de Math'ematiques
(l'Olym- piade nationale française de mathématiques), et le Kangourou
des math'ematiques (un concours national français de mathématiques).
Nous constatons que l'inclusion d'un proxy pour la capacité de l'élève
n'affecte pas les coefficients estimés des variables dans les vecteurs des
caractéristiques du super-viseur et des caractéristiques des pairs, ce
qui montre que notre modèle est efficace.
Il est peu probable que les résultats soient affectés par un problème
d'endogénéité.
5.1. Caractéristiques du superviseur
Nous considérons les caractéristiques biographiques et académiques
du superviseur. En ce qui concerne les caractéristiques biographiques,
nous incluons une variable fictive
 A. Corsini Politique de recherche 51

Superviseur féminin qui est égal à un si le superviseur est une femme Pour caractériser les relations entre l'étudiante et ses pairs, nous
scientifique, zéro sinon. Comme nous nous attendons à ce que calculons des variables représentatives des caractéristiques
l'attention accordée à un étudiant en doctorat varie au cours de la biographiques et académiques des pairs. En ce qui concerne les
carrière du directeur de recherche, nous calculons l'ancienneté du caractéristiques biographiques, nous calculons la variable muette Au
directeur de recherche, mesurée par le nombre d'années écoulées entre moins un pair féminin qui est égale à un si au moins un pair pendant la
la première publication du directeur de recherche et l'année d'entrée de période de formation de l'étudiant focal est une femme, zéro sinon.
l'étudiant dans le programme de doctorat. Pour capturer les éventuels Nous calculons également l'ancienneté moyenne des pairs comme le
effets non linéaires de l'ancienneté, nous incluons un terme au carré de nombre moyen d'années passées par les pairs dans leur programme de
la variable ancienneté du directeur de recherche. De plus, l'expérience doctorat (Ancienneté moyenne des pairs). En outre, dans ce cas, les
de mentorat du superviseur peut affecter la productivité de ses pairs peuvent avoir des périodes de formation qui ne se chevauchent
étudiants de doctorat. Par conséquent, nous calculons la variable que partiellement avec celle de l'étudiant focal. Ainsi, comme première
expérience de mentorat comme le nombre cumulé d'étudiants encadrés étape de
par le superviseur qui ont soutenu leur thèse avec succès jusqu'à
l'année d'entrée de l'étudiant focal au doctorat. 12
En ce qui concerne les caractéristiques académiques du directeur de
thèse, nous calculons deux variables représentant la quantité et la
qualité des publications du directeur de thèse au cours des cinq années
précédant l'entrée de son étudiant dans le programme de doctorat, c'est-
à-dire de t-8 à t-4, où t est l'année de soutenance de l'étudiant. Nous
avons décidé de mesurer la quantité et la qualité des publications du
directeur de recherche pendant les cinq années précédant l'entrée de
l'étudiant (et non pendant la période de formation de l'étudiant) car il
est courant que l'étudiant et son directeur de recherche cosignent des
articles pendant la période de formation de l'étudiant. Dans le cas
d'articles cosignés, il est impossible de distinguer la productivité du
superviseur et celle de l'étudiant. Nous définissons la variable
Publications du superviseur comme le nombre de publications du
superviseur dans des revues à comité de lecture au cours des cinq
années précédant l'entrée de l'étudiant dans le programme de doctorat.
Ensuite, pour la même période, nous calculons le nombre moyen de
citations annuelles reçues par les articles du superviseur (Moyenne des
citations). Pour évaluer la taille du réseau scientifique du directeur de
recherche, nous reconstruisons son réseau de co-auteurs. Nous
définissons la variable Coauteurs du superviseur comme le nombre de
co-auteurs distincts que le superviseur a dans les cinq années précédant
l'entrée de l'étudiant dans le programme de doctorat. Enfin, pour
évaluer la capacité du superviseur à collecter des fonds, nous calculons
une variable muette Bourse ANR qui vaut un si le superviseur est le
chercheur principal d'une bourse ANR pendant au moins une année de
la période de formation de l'étudiant. De la même manière, nous
définissons une variable muette Bourse UE qui vaut un si le directeur
de recherche est le chercheur principal d'au moins une bourse UE
pendant la période de formation de l'étudiant.

5.2. Caractéristiques des pairs

Les doctorants peuvent passer leur période de formation doctorale

seuls si leur période de doctorat ne chevauche pas la période de
doctorat d'autres étudiants. Dans le cas contraire, ils peuvent partager
leur expérience de doctorat avec d'autres étudiants. Pour distinguer ces
deux cas, nous calculons la variable muette With peers qui prend la
valeur un si l'étudiant focal passe au moins un an de sa période de
formation avec au moins un autre étudiant ayant le même superviseur,
zéro sinon. Ensuite, nous calculons la variable N. peers comme le
nombre annuel moyen d'étudiants avec lesquels l'étudiant focal partage
l'expérience de formation. Les étudiants commencent leur formation de
doctorat à des moments différents, et les cohortes d'étudiants ne
peuvent se chevaucher que partiellement. Pour calculer la variable N.
peers, nous calculons d'abord le nombre annuel de pairs dans chacune
des quatre années de la période de formation de l'étudiant focal ;
ensuite, nous faisons la moyenne des quatre valeurs. Par exemple, si
l'étudiant focal passe les trois premières années seul et que son
superviseur recrute un autre étudiant au cours de l'année suivante, nous
pouvons calculer la moyenne des quatre valeurs.
sa dernière année de doctorat, la variable N. pairs est égale à 0,25 (0,25
= (0 + 0 + 0 + 0
+ 1) / 4).

1

PA.oCuorrsinliaet calo. nstruction de la variable d'ancienneté des
pairs, nous calculons l'ancienneté moyenne des pairs pour chaque
années de la période de formation de l'étudiant focal. Si l'étudiant
focal n'a pas de pairs pendant une année, nous attribuons la valeur
zéro à l'ancienneté annuelle moyenne. Ensuite, nous obtenons la
variable Ancienneté moyenne des pairs en faisant la moyenne des
quatre valeurs annuelles. Par exemple, si l'étudiant focal n'a qu'un
seul pair pendant les deux premières années de sa formation, cela
signifie que le pair a soutenu sa thèse pendant la deuxième année de
doctorat de l'étudiant focal. Ainsi, nous considérons que les valeurs
d'ancienneté des pairs pour les deux premières années de la formation
de l'étudiant focal sont égales à 3 et 4. La variable
L'ancienneté moyenne des pairs est égale à 1,75 (1,75 = (3 + 4 + 0 + 0)
/ 4) pour les
étudiant focal.
En ce qui concerne les caractéristiques académiques, nous
calculons le nombre de publications par an des pairs (publications des
pairs). Cette variable est calculée selon une procédure en deux étapes.
Dans la première étape, nous comptons le nombre d'articles publiés
par les pairs au cours de chacune des quatre années de la période de
formation de l'étudiant focal. Dans le cas où l'étudiant focal n'a pas de
pairs pendant une année, nous attribuons la valeur zéro au nombre
annuel d'articles publiés. Ensuite, nous obtenons les publications des
pairs en faisant la moyenne des quatre valeurs. Par exemple, si
l'étudiant focal a deux pairs qui publient un article chacun 13 pendant la
première année de sa période de formation, la valeur de
Les publications des pairs sont égales à 0,5 (0,5 = (2 + 0 + 0 + 0) / 4).
En appliquant le
Selon la même procédure en deux étapes que pour les publications des
pairs, nous calculons la variable "citations moyennes des pairs", qui
représente la qualité du travail des pairs, et la variable "co-auteurs des
pairs", qui représente la taille du réseau des pairs.
5.3. Autres contrôles
Pour atténuer un biais potentiel de nos coefficients estimés, nous
contrôlons les caractéristiques du département et de l'étudiant. Nous
définissons un département comme la paire université-champ
d'études. Par exemple, l'Universit'e de Paris compte quatre d'entre
eux : Universit'e de Paris-Mathématiques, Universit'e de Paris-
Engineering,
12
Nous avons récupéré des données sur la carrière de mentor des superviseurs à partir de 1980.
1
Universit'e de Paris-Physique, et Universit'e dPeolPitaiqruise-dMe
104
chim
Pour contrôler la qualité du département, nous récupérons le
classement de la réputation des universités à partir du classement
mondial des universités QS.14 Nous créons une variable muette "Top-
20 français" qui vaut un si le département fait partie des 20% des
départements ayant la meilleure réputation académique dans un
domaine spécifique en France. Comme indicateur supplémentaire de la
qualité du département, nous calculons la productivité moyenne des
publications pondérées par les citations par département affilié
(Citation-weighted publications per affiliate). Pour calculer cette
dernière variable, nous considérons la productivité moyenne des
affiliés du département pendant les cinq années précédant l'entrée de
l'étudiant dans le programme de doctorat. Plus précisément, nous
identifions les publications des affiliés du département au cours des
cinq années précédant l'inscription de l'étudiant ; ensuite, nous
pondérons chaque publication par les citations reçues chaque année.
Enfin, nous calculons le nombre moyen de publications des affiliés
pondérées par les citations pour chaque département. Nous calculons
également la variable IDEX comme troisième contrôle de la qualité du
département. Cette variable est une variable muette qui vaut un après
2011 si le département de l'étudiant a été sélectionné pour recevoir le
financement du programme d'investissement national IDEX. Pour
contrôler la taille du département, nous calculons la variable Taille du
département en comptant le nombre de scientifiques affiliés au
département pendant au moins un an au cours des cinq années
précédant l'entrée de l'étudiant dans le programme de doctorat. Nous
rééchelonnons le nombre d'affiliés en le divisant par 100, ce qui
signifie que chaque unité d'augmentation de la variable Taille du
département
13
En cas de publications conjointes entre deux ou plusieurs pairs d'un même
doctorant focal, nous comptons la publication une fois.
14
https://www.topuniversities.com/university-rankings. Nous avons recueilli
les informations relatives au classement en 2020, mais le classement des
universités a connu des variations mineures au fil des ans lorsque l'on
considère les meilleures universités. L'avantage d'utiliser le classement
mondial des universités QS est la disponibilité d'un classement détaillé par
domaine.
 A. Corsini Politique de recherche 51

correspond à 100 affiliés départementaux supplémentaires. 15 Tableau 1

Outre la taille du département, la taille du programme de doctorat Liste des variables utilisées dans l'analyse.
peut également jouer un rôle. Les programmes de doctorat plus
Description de la variable
importants peuvent être mieux organisés et offrir aux étudiants une
expérience de formation meilleure et plus productive. Nous calculons Variables dépendantes
Productivité de l'étudiant
le nombre d'étudiants en doctorat inscrits dans le programme de
Publications Nombre d'articles publiés par le
doctorat du même étudiant focal pour chacune des quatre années de sa doctorant entre t-3 et t + 1a
période de formation. Ensuite, nous calculons la variable N. d'étudiants Moyenne des citations Nombre moyen de citations annuelles reçues
par l'étudiant.
en doctorat dans le programme en faisant la moyenne des quatre
articles publiés entre t-3 et t + 1
valeurs annuelles. Coauteurs Nombre de co-auteurs distincts de
Enfin, nous contrôlons les caractéristiques de l'étudiant en doctorat. l'étudiant entre t-3 et t + 1
Plus précisément, nous contrôlons le sexe de l'étudiant avec une Variables indépendantes
variable muette Female student qui vaut un pour les étudiantes, zéro Caractéristiques du superviseur
Superviseur féminin Variable muette égale à un si le superviseur est
sinon.16 Nous considérons la possibilité pour l'étudiant d'avoir un co-
une femme scientifique.
superviseur de thèse en définissant la variable muette Co-supervision Ancienneté du superviseur Nombre d'années écoulées depuis la première
qui prend la valeur un en présence d'un co-superviseur, zéro sinon. publication du superv superv superv superv pour t
Nous ajoutons également quatre variables muettes, Mathématiques, 3 Expérience de mentorat Nombre cumulé de doctorants encadrés avec
Ingénierie, Physique, et Médecine-biologie-chimie, pour contrôler succès jusqu'à t-3
Publications du superviseur Nombre d'articles publiés par le directeur
l'hétérogénéité entre les domaines de recherche de la thèse. Enfin, nous de recherche entre
ajoutons un ensemble de variables muettes pour l'année d'entrée des t-8 et t-4
étudiants dans le programme de doctorat afin de tenir compte de l'effet
de cohorte du doctorat.
Moyenne des Citations annuelles moyennes reçues par les
5.4. Statistiques citations du superviseur articles du superviseur publiés entre t-8 et t-4
descriptives
Coauteurs du superviseur Nombre de coauteurs distincts du
superviseur entre t-8 et t-4
Le tableau 1 énumère toutes les variables incluses dans notre Subvention ANR Variable muette égale à un si le superviseur est le
analyse avec une brève description. Le tableau 2 présente les chercheur principal d'une subvention ANR entre
t-3 et t
statistiques descriptives des variables calculées sur notre échantillon de
Subvention de l'UE Variable muette égale à un si le superviseur est le
77 143 étudiants en doctorat. Lorsqu'ils sont classés par domaine, 15% chercheur principal d'une subvention de l'UE
des étudiants sont en mathématiques, 18% en physique, 21% en entre t-3 et t
ingénierie, 45% en médecine, biologie et chimie. Les étudiants Caractéristiques des pairs
publient en moyenne 2,37 articles évalués par leurs pairs au cours de Avec des pairs Variable muette égale à un si l'étudiant a
au moins un pair entre t-3 et t
leur formation. 68% des étudiants publient au moins un article pendant N. pairs Nombre moyen de pairs de l'élève par
la période de doctorat. Le réseau de collaboration des étudiants année entre t-3 et t
comprend en moyenne 8,93 co-auteurs distincts. Au moins une femme parmi ses pairs Variable fictive égale à un si au
moins une
Le superviseur moyen a un stock de 13,59 articles évalués par des
le pair de l'étudiant est une étudiante entre t-3 et t
pairs et une ancienneté de 11,49 ans de carrière lorsque son étudiant Ancienneté moyenne des pairs Ancienneté annuelle moyenne des pairs de
s'inscrit au programme de doctorat. Au moment de l'inscription de l'étudiant dans le programme de doctorat.
l'étudiant, le superviseur moyen compte 3,08 étudiants de doctorat Publications des pairs Nombre moyen de publications des pairs par
supervisés avec succès au cours de sa carrière. En ce qui concerne la an entre t-3 et t
Citations moyennes des pairs Moyenne annuelle des citations reçues par les pairs.
composition par sexe, 39% des étudiants de doctorat sont des femmes,
articles entre t-3 et t
tandis que ce pourcentage se réduit à 21% si l'on considère les Coauteurs des pairs Nombre moyen de co-auteurs distincts par pair
superviseurs. Seulement 6% des étudiants ont un superviseur qui est par année entre t-3 et t
l'investigateur principal d'une subvention nationale ANR pendant la Autres contrôles
Top-20 français Variable muette égale à un si le département de
période de formation du doctorat, et seulement 2% des étudiants ont un
l'étudiant fait partie des 20 % de départements
superviseur qui est l'investigateur principal d'une subvention ayant la meilleure réputation académique en
européenne. France selon le classement QS.
Si l'on considère les pairs du doctorant focal, 80% des étudiants ont
au moins un pair pendant la période de formation et, en moyenne, ils
sont en contact avec 1,76 pair par an. Pendant la période de formation,
le doctorant focal
Les pairs de l'étudiant publient en moyenne 0,81 article par an. Publications par Productivité moyenne des publications des
Le tableau A1, à l'annexe A, présente la matrice de corrélation affilié, pondérées en départements affiliés, pondérée par les citations,
des variables. fonction des citations entre t-8 et t-4
IDEX Variable muette égale à un si t est supérieur
ou égal à 2011 et si l'étudiant est inscrit dans
6. Résulta une université ayant reçu un financement
ts IDEX.
Taille du département [100 Nombre total de scientifiques affiliés au
Le tableau 3 présente les estimations MCO du modèle décrit affiliés] département de l'étudiant entre t-8 et t-4
N. d'étudiants en doctorat Nombre moyen d'étudiants en doctorat par
dans l'équation (1). En examinant l'impact des caractéristiques
dans le programme année inscrits au programme de doctorat de
biographiques du su- perviseur sur la productivité de l'étudiant, l'étudiant focal entre t-3 et t
nous constatons que le fait d'avoir un su- perviseur de sexe féminin a
un
impact sur la productivité de l'étudiant.
n'est pas associée au nombre d'articles publiés par l'entreprise. article) et à un plus grand réseau de collaboration (+0,31 co-
étudiant. Au contraire, le fait d'avoir un superviseur féminin est associé auteurs).
à un plus grand nombre de citations (+0,074 citations annuelles par

1
 Universit'e de Paris-Physique, et Universit'e dPeolPitaiqruise-dMe
PA.oCuorrsinliaet calo. nstruction de la variable d'ancienneté des 104
Ces deux variations sont statistiquement significatives et ont une chim
pairs, nous calculons l'ancienneté moyenne des pairs pour chaque
pertinence économique, correspondant à

1
 A1.5CDorasninsi uetnael. spécification alternative du modèle, nous incluons les Étudiant Variable muette égPaolleitàiquune
sdiel'réetuchdeiarncht een51 (2022)
effets fixes du département. Nos résultats sont inchangés et sont disponibles Co-supervision Variable muette égale à un en présence d'un
co- superviseur.
Mathématiques Variable muette égale à un si la thèse
de doctorat porte sur les
mathématiques.
Ingénierie Variable muette égale à un si la thèse
de doctorat porte sur l'ingénierie.
Physique Variable muette égale à un si la thèse
de doctorat porte sur la physique.
16
Nous ne disposons pas d'informations sur l'âge des étudiants en doctorat, Médecine-biologie- Variable muette égale à un si le doctorat a été obtenu.
chimie la thèse porte sur la médecine, la biologie ou la
cependant en chimie.
Les étudiants français ont tendance à s'inscrire au programme de doctorat peu Année d'entrée L'année d'entrée de l'étudiant dans le
après leurs études de master, nous ne nous attendons donc pas à une grande programme de doctorat, c'est-à-dire t-3.
hétérogénéité d'âge parmi les étudiants. a
t est l'année de soutenance de la thèse de doctorat ; t-3 est l'année d'entrée de
l'étudiant dans le programme de doctorat ; les quatre années allant de t-3 à t
définissent la formation de doctorat.

1
 A. Corsini Politique de recherche 51

Les cinq années allant de t-8 à t-4 sont les années qui précèdent l'entrée de
Tableau 3
l'étudiant dans le programme de doctorat.
Résultats de la régression.
Estimations MCO.
Tableau 2 (1) (2) (3)

Statistiques descriptives pour notre échantillon de 77 143 étudiants en doctorat. Publications Moyenne Coauteurs
citations
77 143 étudiants en doctorat Moyenne ET Min Max Caractéristiques du
Variables dépendantes superviseur Superviseur -0.0051 0.074** 0.31**
Étudiant en doctorat féminin (0.025) (0.030) (0.13)
Publications 2.37 2.99 0.00 20.00 0.037*** 0.0071 0.11***
Moyenne des citations 2.11 3.51 0.00 98.14 Ancienneté du (0.0072) (0.0085) (0.036)
Co-auteurs 8.93 15.37 0.00 200.00 -0.0019*** -0.00096** -0.0067***
Variables indépendantes superviseur Ancienneté (0.00034) (0.00040) (0.0017)
Caractéristiques du superviseur Expérience de mentorat -0.018*** -0.0072*** -0.037***
Superviseur féminin 0.21 0.41 0.00 1.00 du superviseur2 (0.0019) (0.0023) (0.0097)
Ancienneté du superviseur 11.49 5.24 0.00 21.00 Publications du superviseur 0.027*** 0.0070*** -0.10***
Expérience de mentorat 3.08 6.22 0.00 184.00 la publication est calculée à l'aid ents(0e.0s0ti1m5) la (0c.o0l0o6n2n
(d0e.0s01co2)efés dans )e 1 du
ficie
Publications du superviseur 13.59 14.31 0.00 100.00 0.031*** 0.20*** 0.21***
tableMauocyie-
dnensuperviseur
sesoduess.citations du
Moyenne des citations du 2.36 3.03 0.00 127.87 Tableau 3, et en appliquant le calc(u0l.0s0u3i6 0,0(03.070/ 9).(0.018)
superviseur
19
La valeur -0.11 est obtenue env)ant : - (423*) -0,001 ntorat
multipliant le co efficient du Me
Coauteurs du superviseur 37.28 50.82 0.00 499.00 estimCoéaeudteaunrss dleu ne01.0,0e2t8*l' typ0e.0d01e4l*'e* ce0d.0e91***
s u pe rv i se u r * * *
ta b le a u 3 , colon é( cart
0 .0 0 0 3 4x périen
(0 .0 0 0 4 ( 0. 0 0 1
Subvention de l'ANR 0.06 0.25 0.00 1.00 Expérience de mentorat rapportéed a n s l) e t 2 0 )(- 0 ,1 1 18*7) 6 , 2 2 ) .
a bleau = -0,0
subvention de l'UE 0.02 0.16 0.00 1.00 Subvention de l'ANR 0.0048 0.54*** 0.22
Caractéristiques des pairs (0.043) (0.050) (0.21)
Avec des pairs 0.80 0.40 0.00 1.00 subvention de l'UE -0.19*** 0.33*** -1.28***
N. pairs 1.76 2.14 0.00 30.00a (0.065) (0.077) (0.33)
Au moins un pair féminin 0.52 0.50 0.00 1.00 Caractéristiques des pairs
Ancienneté moyenne des pairs 1.61 1.04 0.00 3.56 Avec des pairs 0.13*** 0.24*** 0.25
Publications des pairs 0.81 1.76 0.00 41.00 (0.041) (0.048) (0.21)
Citations moyennes des pairs 2.71 8.11 0.00 353.15 N. pairs -0.12*** -0.042*** -0.39***
Coauteurs de leurs pairs 4.21 10.28 0.00 190.75 (0.0071) (0.0083) (0.036)
Autres contrôles Au moins un pair féminin -0.028 0.073** 0.21*
Top-20 français 0.39 0.49 0.00 1.00 (0.025) (0.030) (0.13)
Publications pondérées par les 7.37 4.43 0.38 35.05 Ancienneté moyenne des pairs -0.14*** -0.13*** -0.63***
citations
par affilié (0.017) (0.020) (0.086)
IDEX 0.18 0.38 0.00 1.00 Publications des pairs 0.13*** -0.15*** -0.64***
Taille du département [100 affiliés] 29.25 30.28 0.04 114.46 (0.014) (0.016) (0.070)
N. d'étudiants en doctorat dans les 1042.07 800.94 1.00 2973.00 Citations moyennes des pairs 0.0065*** 0.056*** 0.049***
programme (0.0020) (0.0024) (0.010)
Étudiante 0.39 0.49 0.00 1.00 Coauteurs de leurs pairs 0.0029 0.0017 0.21***
Co-supervision 0.31 0.46 0.00 1.00 (0.0023) (0.0027) (0.011)
Mathématiques 0.15 0.36 0.00 1.00 Autres contrôles
Ingénierie 0.21 0.41 0.00 1.00 Top-20 français -0.0082 0.068** -0.36***
Physique 0.18 0.39 0.00 1.00 (0.023) (0.028) (0.12)
Médecine-biologie-chimie 0.45 0.50 0.00 1.00 Pondéré par les citations 0.012** 0.026*** 0.14***
Année d'entrée 2005.12 4.20 1997.00 2011.00 publications par affilié

a
Bien que le nombre maximum de pairs puisse sembler élevé, nous avons
vérifié le cas de l'étudiant avec 30 pairs pendant la période de formation.
L'étudiant était supervisé par un chercheur en physique, ayant annuellement
30(+1) étudiants en doctorat.
pendant la période de formation de l'étudiant focal.

aux 3,5%17 des citations de l'étudiant moyen de l'échantillon et aux

3,5% des co-auteurs de l'étudiant moyen de l'échantillon. En ce qui
concerne l'ancienneté du superviseur, nous trouvons une relation en
forme de U inversé entre l'ancienneté du superviseur et les trois
résultats de l'étudiant considérés. L'impact maximal de l'ancienneté sur
la productivité des publications, les citations et la taille du réseau de
l'étudiant est observé pour un superviseur en milieu de carrière, c'est-à-
dire lorsque le superviseur a respectivement 9,74, 18 3,70 et 8,21 ans
d'ancienneté.
Nous constatons que l'expérience de mentorat du superviseur est
associée négativement à la productivité de l'étudiant : un étudiant
encadré par un superviseur expérimenté présente moins d'articles
publiés, de citations reçues et un réseau de collaboration plus petit. En
augmentant d'un écart-type, l'expérience de mentorat est associée à
0,11 article de moins, 19 0,045 citation de moins, et 0,23 co-auteur de
moins. Pour aller plus loin

1
 A1.5CDorasninsi uetnael. spécification alternative du modèle, nous incluons les Étudiant Variable muette égPaolleitàiquune
sdiel'réetuchdeiarncht een51 (2022)
17
effets fixes du département.
Ce pourcentage est calculéNos résultats la
en divisant sont inchangés
variation des etcitations
sont disponibles
moyennes de
l'étudiant associées au fait d'avoir un superviseur féminin par la valeur moyenne
des citations moyennes de l'échantillon, rapportée dans le tableau 2 (2.11).
18
L'ancienneté correspondant à l'effet marginal maximal sur la productivité de

1
 A. Corsini Politique de recherche 51

(0.0057) (0.0067) (0.029)

IDEX -0.056 0.031 -0.032
(0.036) (0.042) (0.18)
Taille du département [100 0.00081 0.0014** 0.013***
affiliés]
(0.00057) (0.00067) (0.0029)
N. d'étudiants en doctorat dans 0.000092*** 0.00023*** 0.00038***
les
programme
(0.000016) (0.000019) (0.000079)
Étudiante -0.64*** -0.19*** -1.84***
(0.021) (0.025) (0.11)
Co-supervision -0.066*** -0.042 -0.66***
(0.023) (0.027) (0.12)
Ingénierie 0.18*** 0.40*** 0.99***
(0.035) (0.041) (0.18)
Physique 0.77*** 0.57*** 2.46***
(0.055) (0.065) (0.28)
Médecine-biologie-chimie 1.54*** 1.39*** 6.45***
(0.043) (0.050) (0.22)
Mathématiques Réf. Réf. Réf.
Variations de l'année d'entrée Oui Oui Oui
Constant 1.23*** 0.23*** 3.83***
(0.074) (0.087) (0.37)
Observations 77,143 77,143 77,143
R-carré 0.140 0.128 0.174

Note : Niveaux de signification à ***p < 0,01, **p < 0,05, *p < 0,1. Les
erreurs standard sont indiquées entre parenthèses. Dans un exercice
supplémentaire, nous calculons les p-values
en appliquant un ajustement d'inférence multiple pour corriger les éventuelles
in- ferences erronées dues au nombre élevé d'hypothèses testées. Plus
précisément, nous calculons les valeurs p en appliquant la correction pour
hypothèses multiples de Romano-Wolf (Romano et Wolf, 2005a,b ; Romano et
Wolf, 2016). La signification statistique des coefficients reste cohérente avec
les résultats principaux, avec seulement deux exceptions notables. Plus
précisément, le coefficient de la variable Au moins sur les pairs féminins est
plus élevé que celui de la variable Au moins sur les pairs féminins.