MétaCan
Menu
Retour à la cohorte
Enregistrement W1851803134 · doi:10.3389/fpsyg.2015.01400

Gender inequalities in the workplace: the effects of organizational structures, processes, practices, and decision makers’ sexism

2015· review· en· W1851803134 sur OpenAlexafffund
Cailin S. Stamarski, Leanne S. Son Hing

Notice bibliographique

RevueFrontiers in Psychology · 2015
Typereview
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensUniversity of Guelph
Organismes subventionnairesCanadian Institute for Advanced Research
Mots-clésAffect (linguistics)InequalityContext (archaeology)PsychologyPromotion (chess)Social psychologyPublic relationsOrganisation climateOrganizational culturePolitical sciencePolitics

Résumé

récupéré en direct d'OpenAlex

Gender inequality in organizations is a complex phenomenon that can be seen in organizational structures, processes, and practices. For women, some of the most harmful gender inequalities are enacted within human resources (HRs) practices. This is because HR practices (i.e., policies, decision-making, and their enactment) affect the hiring, training, pay, and promotion of women. We propose a model of gender discrimination in HR that emphasizes the reciprocal nature of gender inequalities within organizations. We suggest that gender discrimination in HR-related decision-making and in the enactment of HR practices stems from gender inequalities in broader organizational structures, processes, and practices. This includes leadership, structure, strategy, culture, organizational climate, as well as HR policies. In addition, organizational decision makers' levels of sexism can affect their likelihood of making gender biased HR-related decisions and/or behaving in a sexist manner while enacting HR practices. Importantly, institutional discrimination in organizational structures, processes, and practices play a pre-eminent role because not only do they affect HR practices, they also provide a socializing context for organizational decision makers' levels of hostile and benevolent sexism. Although we portray gender inequality as a self-reinforcing system that can perpetuate discrimination, important levers for reducing discrimination are identified.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,141
Tête enseignante GPT0,410
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations453
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetGender Diversity and InequalityTravaux en français237 207