Paying for Mirrors or Windows? Consumer Discrimination and Hollywood Films
Notice bibliographique
Résumé
Is employment discrimination driven by consumer bias rather than employer bias? One explanation for the persistence of employment discrimination, despite considerable legal and social pressure, is that unbiased employers are penalized by biased customers. An equitable employer is therefore a less profitable one, and apparent employer bias is more accurately described as reflected consumer antipathy. The empirical challenge of relating consumer behavior to employee composition has limited prior tests of this hypothesis and focused attention largely on employer behavior or structural factors. We provide a rare direct test of the claim that consumers respond to employee composition by evaluating the commercial and artistic performance of films released theatrically within the United States between 2011-2015 as a function of the racial diversity of their cast. We find that films are not penalized for the diversity of their casts; instead employing multiple black actors in the principal cast achieves significantly higher domestic box-office revenues than films with no black actors. Moreover, we find that international audiences do not exhibit evidence of bias against diverse casts, and that the net returns to diversity remain positive when worldwide box-office revenues are considered. We confirm the robustness of these results in a survey and experimental setting that controls for film-level differences, and through an analysis of a novel dataset capturing the social media activity (on Twitter) for each film by users of different races. Our findings advance an alternative interpretation of the consumer bias thesis, where consumers prefer employers reflect their world or values, rather than their traits.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».