MétaCan
Menu
Retour à la cohorte
Enregistrement W2070023894 · doi:10.1108/13620430510732012

Advancing women's careers

2005· article· en· W2070023894 sur OpenAlexaff
Ronald J. Burke, Susan Vinnicombe

Notice bibliographique

RevueCareer Development International · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésGlass ceilingWorkforceOriginalityFace (sociological concept)Public relationsLimitingValue (mathematics)Career developmentEconomic shortageBaby boomersPolitical scienceBusinessSociologyGovernment (linguistics)Labour economicsPedagogyEngineeringEconomicsSocial scienceQualitative researchLaw

Résumé

récupéré en direct d'OpenAlex

Purpose This collection seeks to examine the various challenges women face in advancing their careers. Design/methodology/approach In the mid‐1980s, the phrase “glass ceiling” was coined and has since become an established part of our vocabulary. The glass ceiling refers to an invisible but impermeable barrier that limits the career advancement of women. During the last two decades, women have made progress: there are now more women in senior‐level executive jobs, more women in “clout jobs”, more women CEOs, and more women on corporate boards of directors. But real progress has been slow with only modest increases shown at these levels. Findings The slow progress made by talented, educated, ambitious women is now having some negative effects on women's views of management and the professions as a career. However, artificially limiting the career possibilities of women is a luxury organizations can no longer afford. Organizations are facing an impending shortage of qualified leaders. The aging of the workforce, a smaller number of new workforce entrants, and the war for talent, makes it imperative that organizations utilize and develop the talents of all their employees. Originality/value This collection examines the various challenges women face in their careers. The contributors come from a number of different countries, indicating the widespread interest in this topic in all developed and developing countries.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,002
Communication savante0,0040,003
Science ouverte0,0000,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,060
Tête enseignante GPT0,286
Écart entre enseignants0,225 · 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'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

Citations152
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCareer Development InternationalMême sujetGender Diversity and InequalityTravaux en français237 207