长期以来，神经科学领域对“代表性不足”（underrepresentation）的定义主要围绕一系列常见的人口统计学类别展开，包括性别、种族和民族、残疾状况以及社会经济背景。这些分类构成了大多数公平倡议的基础，并在一定程度上促进了参与度的拓宽。然而，这些标准化分类的焦点在于“人是谁”，而非“何种系统性因素阻碍了他们的发展”。这种身份与基础设施之间的根本区别，对于谁能被纳入统计、谁能获得支持以及谁会持续被忽视，具有深远的影响。

举例而言，试想一位研究人员必须用非母语进行学术报告，或者一位没有任何学术界人脉、也无家庭经济支持以应对职业初期财务冲击的第一代研究生。再或者，一位科学家仅仅为了参加受邀的国际会议，就不得不耗费数月时间周旋于繁琐的签证申请流程。这些研究人员并非少数特例，但他们所面临的困境却难以通过仅依赖人口统计学特征的“代表性不足”分类进行有效追踪和识别。

回顾历史，神经科学领域对“代表性不足”的定义，大多源自各国平等立法和人口普查数据中的人口统计学类别。诚然，某些形式的代表性不足具有鲜明的地域特异性，例如印度的种姓身份或新西兰的原住民身份。然而，许多旨在解决这些挑战的多元化、公平和包容（DEI）倡议，却往往忽视了那些拥有多重边缘化身份（intersecting marginalized identities）个体所面临的复合障碍。此外，世界银行收入分类或“全球南方”等常用指标也可能具有严重的误导性——一些高收入国家在科研投入占GDP的比例上甚至低于低收入国家，而政治冲击导致一个国家科研能力崩溃的速度，也远超任何数据集的追踪能力。

作为ALBA网络（一个致力于促进脑科学领域DEI的全球性组织）的成员，我们对这些现有定义中的不足进行了深入审视。我们认为，为了有效解决这些问题，神经科学领域亟需一种更具整体性的方法来重新定义全球范围内的“代表性不足”。

我们提出一个更广泛的定义，将已被充分记录的科研参与障碍纳入考量。这包括：LGBTQIA+专业人士所面临的复合劣势；限制国际合作的签证和流动性障碍；主要由女性承担的无形照护负担；因冲突或政治不稳定导致的被迫流离失所；第一代大学生身份；非母语英语使用者；以及在长期科研基础设施投入不足的国家工作等。

这种定义上的转变，使我们对申请人群体有了更深刻的理解，而这些洞察是传统定义可能完全错过的。在全部三个奖项周期中，最常被选择的障碍因素包括：女性身份、第一代大学生、非母语英语使用者或来自较低社会经济背景。值得注意的是，在所有三个周期的旅行奖申请中，持有旅行受限护照的申请者占比高达24%，显著高于讲座提名中的比例。此外，来自长期研发投入不足国家的科研人员代表性从2024年的35%增加到后续周期的47%，这有力地挑战了“科研卓越性仅存在于资源充足环境”的固有假设。同时，因冲突或政治不稳定而被迫流离失所的研究人员，尽管比例较低，但在所有周期中均有出现，并非零星个案。

或许，最具方法论指导意义的改变来自于不同周期之间引入的细化调整。在2024年，我们将女性和LGBTQIA+申请者归为单一类别，该类别是当时最常被选择的障碍之一。然而，从2025年开始，当我们将LGBTQIA+身份从女性类别中分离出来进行独立统计时，其在各类奖项中的识别率显著下降。这表明，先前的合并分类可能掩盖了复合类别内部的真实差异，强调了数据细化对于精准识别和支持不同弱势群体的关键作用。