[Under]Representation of Women in Leadership: Where Does the Onus Lie?
Notice bibliographique
Résumé
The underrepresentation of women in senior leadership roles continues to generate interest among lay people, policy makers, and academics. At least two distinct lines of research have emerged trying to understand this phenomenon, some academics have dedicated their efforts to understand factors on the supply side, investigating mechanisms used to upskill women and get them ready for leadership roles (e.g., training, mentoring, networking). Almost in parallel, other academics have been interested on the demand side, that is, strategies that aim at increasing the demand for qualified women (e.g., reporting requirements, targets and quotas for women in leadership). In the current symposium, we try to integrate these two lines of research by presenting four studies that are focused on supply-side strategies, demand-side strategies, and both. With a stronger focus on the supply side, we will have two papers within the university context, where the inequalities in access to quality education, networks, and mentors is likely to originate. On the demand side, the papers in this symposium will analyse the effectiveness of hiring and employment practices in the context of boards of directors of US top firms. The symposium will finish with a facilitated discussion about the limitations in the theorising within the supply-side and the demand-side research, potential integrative frameworks, and the policies and practices that would be reasonable to implement based on the research findings. Is It All About Who You Know? Presenter: Alicia R. Ingersoll; Utah State U. Presenter: Alison Cook; Utah State U. Presenter: Christy Glass; utah state A Matter of Choice? Gender Differences in Professors Participation in Academic Deanship Presenter: Levke Henningsen; U. of Zurich Presenter: Alice H Eagly; Northwestern U. Presenter: Klaus Jonas; U. of Zurich Criteria Versus Process: Selection Practices and Female Representation on Boards of Directors Presenter: Gosia Mikolajczak; La Trobe U. Presenter: Robert E. Wood; U. of Melbourne Presenter: Melissa Wheeler; Faculty of Business and Economics, U. of Melbourne Presenter: Victor Sojo Monzon; Centre for Workplace Leadership, The U. of Melbourne Gender Diversity in Corporate Board Committees Presenter: Arjun Mitra; U. of Illinois at Chicago Presenter: Steve Sauerwald; U. of Illinois at Chicago
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,012 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».