Gender (mis)measurement: Guidelines for respecting gender diversity in psychological research
Notice bibliographique
Résumé
Abstract Empirical evidence affirms that gender is a nonbinary spectrum. Yet our review of recently published empirical articles reveals that demographic gender measurement in psychology still assumes that gender comprises just two categories: women and men. This common practice is problematic. It fails to represent psychologists' current understanding of gender, violates our ethical principles as scientists, and can result in gender misclassification. Psychologists' reliance on binary measures also conveys an exclusionary attitude that is contrary to recent ethical recommendations and contrary to the growing public concern about transgender rights. We extend five simple, no‐cost recommendations that begin to resolve these ethical and methodological problems: use and report, nonbinary gender measures; report the prevalence of nonbinary participants; clarify their inclusion and treatment in analysis; and use gender inclusive language. We also address common concerns expressed by researchers, including whether measuring “sex” resolves the issue and whether gender‐inclusive measures confuse or offend participants.
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 | 0,673 | 0,770 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,009 | 0,006 |
| Bibliométrie | 0,025 | 0,018 |
| Études des sciences et des technologies | 0,009 | 0,039 |
| Communication savante | 0,016 | 0,020 |
| Science ouverte | 0,015 | 0,021 |
| Intégrité de la recherche | 0,013 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».