MétaCan
Menu
Retour à la cohorte
Enregistrement W2158571337 · doi:10.1111/j.1754-9434.2008.00040.x

International Perspectives on the Legal Environment for Selection

2008· article· en· W2158571337 sur OpenAlexaff
Brett Myors, Filip Lievens, Eveline Schollaert, Greet Van Hoye, Steven F. Cronshaw, Antonio Mladinic, Viviana Rodríguez, Herman Aguinis, Dirk D. Steiner, Florence Kennedy Rolland, Heinz Schuler, Andreas Frintrup, Ioannis Nikolaou, Maria Tomprou, S. H. Subramony, Shabu B. Raj, Shay S. Tzafrir, Peter Bamberger, Marilena Bertolino, Marco Giovanni Mariani, Franco Fraccaroli, Tomoki Sekiguchi, Betty Onyura, Hyuckseung Yang, Neil Anderson, Arne Evers, Oleksandr S. Chernyshenko, Paul Englert, Hennie J. Kriek, Tina Joubert, Jesús F. Salgado, Cornelius J. König, Larissa A. Thommen, Aichia Chuang, Handan Kepir Sinangil, Mahmut Bayazıt, Mark Cook, Winny Shen, Paul R. Sackett

Notice bibliographique

RevueIndustrial and Organizational Psychology · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensUniversity of GuelphUniversity of Northern British Columbia
Organismes subventionnairesUniversity of Texas at El PasoUniversity of Colorado Denver
Mots-clésDisadvantagedSelection (genetic algorithm)Ethnic groupSocial psychologyPsychologyPolitical scienceLawSociologyLaw and economics

Résumé

récupéré en direct d'OpenAlex

Perspectives from 22 countries on aspects of the legal environment for selection are presented in this article. Issues addressed include (a) whether there are racial/ethnic/religious subgroups viewed as “disadvantaged,” (b) whether research documents mean differences between groups on individual difference measures relevant to job performance, (c) whether there are laws prohibiting discrimination against specific groups, (d) the evidence required to make and refute a claim of discrimination, (e) the consequences of violation of the laws, (f) whether particular selection methods are limited or banned, (g) whether preferential treatment of members of disadvantaged groups is permitted, and (h) whether the practice of industrial and organizational psychology has been affected by the legal environment.

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)0,018
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0080,031
Communication savante0,0120,007
Science ouverte0,0010,007
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,180
Tête enseignante GPT0,323
Écart entre enseignants0,143 · 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'étudeThéorique ou conceptuel
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

Citations94
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial and Organizational PsychologyMême sujetGender Diversity and InequalityTravaux en français237 207