EXCLUSION IN ACADEMIA: LATINA FACULTY STRUGGLE TOWARDS TENUR
Notice bibliographique
Résumé
The purpose of this qualitative case study was to explore the lived experiences of underrepresented tenured Latina faculty in one four-year university in the southeast area of the United States to identify barriers towards achieving tenure. Eight tenured Latina faculty with experience of 7 to 20 or more years in a tenured position provided their perceptions and experiences of the challenges and support they encountered in their pursuit of tenure. A snowball sampling technique produced eight participants from an initial recruitment from an online search. Semi-structured interviews via in-person and audio-video conferences offered rich descriptions of the Latina faculty's experiences for coding and analysis. The NVivo for Mac software (QSR International, 2015) supported the coding and analysis process of the participant's responses. Five main themes emerged from the patterns found in the analysis. The five findings included: organizational exclusionary practices against Latina faculty at the university; white male-oriented culture where resources are used to benefit white males; demoralizing micro-aggressions towards Latina faculty from white faculty; the university leadership's lack of action and accountability to address diversity and inclusion challenges; and the lack of support networks and mentoring to help guide Latina faculty. These findings described an exclusionary academic environment, where the Latina faculty often felt insulted, isolated, and underappreciated with little to no opportunity to advance or contribute equally to the university. This study contributed to the literature by addressing various reasons higher educational institutions need to remove barriers that negatively affect Latina faculty seeking tenure actively.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».