MétaCan
Menu
Retour à la cohorte
Enregistrement W2100944439 · doi:10.1123/jsm.15.1.10

Do Differences Make a Difference? Managing Diversity in Division IA Intercollegiate Athletics

2001· article· en· W2100944439 sur OpenAlexaff
Janet Fink, Donna L. Pastore, Harold A. Riemer

Notice bibliographique

RevueJournal of Sport Management · 2001
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSports, Gender, and Society
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésDiversity (politics)Variance (accounting)Value (mathematics)Diversity managementSimilarity (geometry)PerceptionPsychologySocial psychologyPublic relationsSociologyMarketingPolitical scienceBusinessComputer scienceMathematicsStatisticsLaw

Résumé

récupéré en direct d'OpenAlex

This study applies a framework of diversity initiatives as a basis of exploration into top management beliefs and diversity management strategies of Division IA intercollegiate athletic organizations. This framework utilizes issues of power, demographic and relational differences, and past literature regarding specific diversity strategies to empirically assess these organizations' outlooks regarding employee diversity. Results of the study suggest that Division IA intercollegiate athletic organizations operate in cultures that value similarity. Demographic variables predicted a significant amount of variance in employees' perceptions of diversity management strategies. In addition, demographic differences (being different from one's leader) accounted for an even greater amount of variance in these perceptions. Top management's beliefs in the benefits of diversity were related to perceptions of different diversity practices. That is, high beliefs resulted in higher levels of diversity management practice. Discussion of the findings relative to current theory in sport and implications for sport managers are noted.

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)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,041
Tête enseignante GPT0,296
Écart entre enseignants0,255 · 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

Citations135
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sport ManagementMême sujetSports, Gender, and SocietyTravaux en français237 207