MétaCan
Menu
Retour à la cohorte
Enregistrement W2995309265

Selective Incivility, Harassment, and Discrimination in Canadian Sciences & Engineering: A Sociological Approach

2019· article· en· W2995309265 sur OpenAlexaffabout
Jennifer Dengate, Tracey Peter, Annemieke Farenhorst, Tamara A. Franz‐Odendaal

Notice bibliographique

RevueInternational Journal of Gender, Science, and Technology · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensMount Saint Vincent UniversityUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésHarassmentIncivilitySocial psychologyRace (biology)White (mutation)Interpersonal communicationCriminologyInequalitySociological theoryPsychologySociologyGender studiesSocial science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

There is little scholarly evidence describing the gendered and racialized climate faced by women in Canadian academic sciences and engineering (NSE). We address this gap with a sociological examination of selective incivility, harassment, and discrimination amongst NSE faculty from 12 Canadian universities; asking if female and racialized female faculty, in particular, are more likely to experience mistreatment at work than their white, male colleagues. Analyses of survey data indicated that women were significantly more likely to be mistreated by their co-workers and students than male faculty. Moreover, harassment and discrimination were associated with greater professional marginalization for women, including delayed advancement. Thus, taking a sociological approach to interpersonal mistreatment emphasizes the connection between employee interactions and structural gender inequality in male-dominated NSE. We found mixed evidence with respect to race: racialized women reported less co-worker and student mistreatment than their white female counterparts, but these results were only marginally significant; and racialized men reported significantly more harassment and discrimination than white men. As such, our findings suggest the importance of investigating the organizational employment setting to better understand which workers are at greater risk for mistreatment in different job contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,248
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,316
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Gender, Science, and TechnologyMême sujetGender Diversity and InequalityTravaux en français237 207