MétaCan
Menu
Retour à la cohorte
Enregistrement W2071960630 · doi:10.1108/10595420910942270

Glass ceiling: role of women in the corporate world

2009· article· en· W2071960630 sur OpenAlexaboutno aff
Kalpana Pai, Sameer Vaidya

Notice bibliographique

RevueCompetitiveness Review An International Business Journal incorporating Journal of Global Competitiveness · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlass ceilingGender diversityOriginalitySample (material)Ethnic groupValue (mathematics)PopulationDiversity (politics)Ceiling (cloud)ManagementGeographyBusinessPolitical scienceSociologyDemographyEconomicsSocial scienceQualitative researchLawCorporate governanceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this study is to examine the existence of the glass ceiling in Texas. Design/methodology/approach Data on publicly traded corporations registered in the state of Texas was used to examine the existence of the glass ceiling effect in Texas. The data for this study were gathered from ReferenceUSA, which is a subscription database that contains information on more than 12 million US businesses and one million Canadian businesses. Findings The study found the existence of the glass ceiling based on the analysis of the sample. Of the 257 corporations in the sample, there were only two that had women chief executive officers (0.78 percent). Research limitations/implications The dataset used was not a comprehensive list of corporations registered in Texas. Practical implications Given the increase in ethnic and gender diversity at the work place, it is critical that women feel assured of an equal opportunity to reach top‐management positions. Originality/value Although there have been other studies in the field, none have focused on Texas which is the second largest US state in area (after Alaska) and in population (after California). It is hoped that the results add value to the existing literature.

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)0,012
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 enseignants0,407
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,078
Tête enseignante GPT0,339
Écart entre enseignants0,260 · 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

Citations36
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCompetitiveness Review An International Business Journal incorporating Journal of Global CompetitivenessMême sujetGender Diversity and InequalityTravaux en français237 207