Why Do Racial Slurs Remain Prevalent in the Workplace? Integrating Theory on Intergroup Behavior
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Racial slurs are prevalent in organizations; however, the social context in which racial slurs are exchanged remains poorly understood. To address this limitation, we integrate three intergroup theories (social dominance, gendered prejudice, and social identity) and complement the traditional emphasis on aggressors and targets with an emphasis on observers. In three studies, we test two primary expectations: (1) when racial slurs are exchanged, whites will act in a manner more consistent with social dominance than blacks; and (2) this difference will be greater for white and black men than for white and black women. In a survey (n = 471), we show that whites are less likely to be targets of racial slurs and are more likely to target blacks than blacks are to target them. We also show that the difference between white and black men is greater than the difference between white and black women. In an archival study that spans five years (n = 2,480), we found that white men are more likely to observe racial slurs than are black men, and that the difference between white and black men is greater than the difference between white and black women. In a behavioral study (n = 133), analyses showed that whites who observe racial slurs are more likely to remain silent than blacks who observe slurs. We also find that social dominance orientation (SDO) predicts observer silence and that racial identification enhances the effect of race on SDO for men, but not for women. Further, mediated moderation analyses show that SDO mediates the effect of the interaction between race, gender, and racial identification on observer silence.
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.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle