A Scoping Review of Measures Assessing Gender Microaggressions Against Women
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle