MétaCan
Menu
Retour à la cohorte
Enregistrement W1511943387

Balance between Merit and Equity in Academic Hiring Decisions: Judgemental Content Analysis Applied to the Phraseology of Australian Tenure-stream Advertisements in Comparison with Canadian Advertisements

2010· article· en· W1511943387 sur OpenAlexaffabout
Gregory J. Boyle, John J. Furedy, David L. Neumann, Rae Westbury, Magnus Tallaksen Reiestad

Notice bibliographique

RevueGriffith Research Online (Griffith University, Queensland, Australia) · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEquity (law)Higher educationInstitutionPublic relationsSociologyPolitical sciencePsychologyMarketingSocial scienceBusinessLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The wording of university academic job advertisements can reflect a commitment to equity (affirmative action) as opposed to academic merit in hiring decisions. The method of judgemental content analysis was applied by having three judges rate 810 Australian tenure-stream advertisements on seven-point magnitude scales of equity and merit. The influence of time (Years: 1970-1973; 1984-1987; 2000-2003), institution (major research universities (the self-designated Group of Eight - Go8); colleges of advanced education and institutes of technology; regional and distance education), as well as academic discipline (physical sciences and technology; social sciences; humanities) on ratings were also examined. Inter-rater reliabilities were high (= 0.92), and the 'equivalence hypothesis' (that merit and equity are the same) was not supported. Merit and equity criteria increased over time and were influenced by institution type and academic discipline, although in different ways. While some effects could be viewed as being due to rational policy decisions, other significant effects suggested influences that are more difficult to explain. University administrators need to be sensitive to the balance between merit and equity when formulating hiring policies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,452
Score d'incertitude au seuil0,973

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,446
Tête enseignante GPT0,528
Écart entre enseignants0,082 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGriffith Research Online (Griffith University, Queensland, Australia)Même sujetEvaluation of Teaching PracticesTravaux en français237 207