Exploring sexual harassment in a police department in Taiwan
Notice bibliographique
Résumé
Purpose The purpose of this paper is to investigate the conceptual and empirical issues related to sexual harassment (SH) in a police department in Taiwan. Design/methodology/approach Survey data were collected. Through the analysis, the paper proposes that SH can be better divided into two subcategories: quid pro quo and hostile work environment harassment. Multivariate analysis is used to explore the sources of SH. Findings It was found that both types of SH can be better explained by work environment variables than by demographic variables, but the specific sources differ. Hostile work environment harassment is predicted by the extent to which female officers perceive or experience that deployment and transfer practices are influenced by their gender. Quid pro quo harassment is related to job barriers and dodging from work. Research limitations/implications The two scales used in this research have captured the core of SH, but they might not fully depict the nature of SH in the police department in Taiwan. The sample was limited to the largest police department in Taiwan and it may not represent the entire police in Taiwan. Practical implications If hostile work environment and quid pro quo harassments are related to different organizational factors, it is useful for policy makers in the police to differentiate these two different types of SH and develop differential prevention and response measures. Originality/value This paper highlights the need to differentiate quid pro quo and hostile work environment harassments. It fills a gap in the literature by providing the baseline information on the prevalence of SH in one police department in Taiwan and by examining sources of SH in a profession dominated by males.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».