Does The Gender Of The Manager Affect Who He/She Networks With?
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
<p class="MsoBlockText" style="margin: 0in 34.2pt 0pt 0.5in;"><span style="font-style: normal;"><span style="font-size: x-small;"><span style="font-family: Times New Roman;">Based on a sample of 72 managers from Hong-Kong and1032 associates identified by these managers, the results show that female managers network with other females for expressive support but when seeking instrumental contents, they network with male associates.<span style="mso-spacerun: yes;">&nbsp; </span>We also found that females are less likely to approach female associates they have strong ties with but are more likely to approach similarly ranked colleagues.<span style="mso-spacerun: yes;">&nbsp;&nbsp; </span>They are also unlikely to approach higher ranked female colleagues to network on instrumental contents.<span style="mso-spacerun: yes;">&nbsp; </span>Taken together, these results imply that for female managers seeking instrumental support, they should focus on peer-relationships with other females as well as on male associates with whom they have strong ties with. From a stakeholder&rsquo;s point view, more attention should be paid to designing and implementing social policies and integrating a gender perspective into all public policies. This calls for setting up an integrated network of structure, mechanism and processes designed to arouse more gender-awareness, increase the number of women in decision-making role, facilitate the formulate of gender-sensitive policies and programs. Long-term strategies should be developed to build up women through personal growth process, promote integration and equality in the workplace.</span></span></span></p>
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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