It's Complex: Conditions That Inhibit Women's Inclusion at Work
Notice bibliographique
Résumé
Women’s inclusion in the workplace has continued to improve since the gender “revolution” of the 1960s, yet women are far from reaching parity with men and improvements have not been equal for all groups of women. Contemporary gender discrimination is complex and often manifests as conditional bias such that gender interacts with other phenomena (e.g., attributes, conditions, etc.) that result in unequal effects for men and women, or for women of different racial or ethnic groups. The five papers in this symposium highlight the complexity inherent in women’s experiences at work by examining how different work conditions interact to affect women’s inclusion and equity in the workplace. Each paper highlights a distinct and important combination of simultaneously occurring factors or conditions that do not have the same effect when examined alone. Such combinations range from the intersectionality of gender with race or religion, to the specific co-occurrence of behavior (i.e., crying and apologizing) and context (i.e., after making a mistake) that affect men and women differently. This symposium addresses the subtle nuances of gendered experiences faced by today’s workers, which may help managers and organizations create more inclusive work environments for men and women. Boys Don’t Cry Crocodile Tears: The Asymmetric Effects of Crying on Desire to Punish Men and Women Presenter: Natalya Alonso; U. of British Columbia Presenter: Nathan Dhaliwal; U. of British Columbia Presenter: Ela Bandari; U. of British Columbia Presenter: Jennifer L. Berdahl; U. of British Columbia How Women Rationalize Themselves Out of Leadership Roles: Unintended Consequences of Job Crafting Presenter: Jasmien Khattab; U. of Virginia Darden School of Business Presenter: Morela Hernandez; U. of Virginia Darden School of Business Missed, Dissed, or Dismissed? Why Incivility towards Women Goes (Un)noticed Presenter: Jamie Lee Gloor; U. of Zurich Presenter: Tyler Gene Okimoto; U. of Queensland Presenter: Xinxin Li; Antai College of Economics and Management, Shanghai Jiao Tong U. More Than Just a Headscarf: How Organizations May Be Excluding Muslim Women Presenter: Shannon Cheng; Rice U. Diversity Policies Supporting Racial Minority Women: Not So Supported Presenter: Ivona Hideg; Wilfrid Laurier U. Presenter: Lance Ferris; Michigan State U. Presenter: Christy Zhou Koval; Eli Broad School of Business, Michigan State U.
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 | 0,001 | 0,007 |
| 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 | 0,005 | 0,007 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».