MétaCan
Menu
Retour à la cohorte
Enregistrement W2592189885 · doi:10.1080/19407882.2017.1280054

Gender-Inclusive Practices in Campus Women’s and Gender Centers: Benefits, Challenges, and Future Prospects

2017· article· en· W2592189885 sur OpenAlexaff
Susan B. Marine, Gina Helfrich, Liam Randhawa

Notice bibliographique

RevueNASPA Journal About Women In Higher Education · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésEmpowermentInclusion (mineral)Gender equityGender equalityWorkloadPsychologyExploratory researchWork (physics)Gender analysisGender studiesPublic relationsMedical educationSociologySocial psychologyPolitical scienceMedicineSocial scienceManagementEngineering

Résumé

récupéré en direct d'OpenAlex

Women’s and gender centers have provided a home for feminist activism, education, and empowerment on the college campus since the 1970s. Recently, some women’s and gender centers have undertaken practices of gender inclusion—expanding their missions and programming to include cisgender men and trans* people of all genders. This exploratory study sought to document these practices and to give voice to the challenges and benefits that centers derive from including those who do not identify as women in their work. Twenty professional staff at campus-based women’s and gender centers were interviewed for this study. Participants described how they are enacting gender inclusivity and named the benefits of bringing people of all genders into the work of advancing gender equity on campus, such as increased numbers of students actively participating in the center’s work and broadening the dialogue on women’s issues. Challenges included an ongoing need to protect women’s space for empowerment and the stress of an increased workload due to expanded programming. Overall, participants were positively inclined toward gender inclusion and felt it represented new and exciting possibilities for coalitional awareness and change on campus.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,497
Score d'incertitude au seuil0,802

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,068
Tête enseignante GPT0,363
Écart entre enseignants0,295 · 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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNASPA Journal About Women In Higher EducationMême sujetMentoring and Academic DevelopmentTravaux en français237 207