A Scoping Review of Measures Assessing Gender Microaggressions Against Women
Notice bibliographique
Résumé
While considerable knowledge exists about blatant gender discrimination and violence targeting women, less is known about gender microaggressions. To understand gender microaggressions’ frequency, prevalence, and effects, researchers need robust quantitative measures. To advance gender microaggressions scholarship and support researchers’ efforts to identify high-quality measures, we conducted a psychometric scoping review. We identified 24 original, quantitative, multi-item measures designed to assess gender microaggressions or related constructs. Included measures needed at least one item assessing gender microaggressions and be used with adult women in the United States. Results indicated an increase in the number of measures including gender microaggressions’ items in recent years, with a major expansion in the number of named gender microaggressions’ measures. We found limited reporting of demographic information. Psychometric testing and characteristics varied across measures. While most ( n = 20) reported internal consistency reliability, only two-thirds ( n = 16) reported undergoing validity testing. When examining microaggressions named measures ( n = 10), we found inconsistent adherence to microaggressions’ theoretical and conceptual foundations. Substantial work remains to develop a “gold standard” measure that does not conflate subtle and blatant acts, assesses the full thematic range of gender microaggressions, and is psychometrically valid across different social contexts and diverse groups of women.
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 | 0,013 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,023 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| 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 ».