<scp>Trickle‐down</scp> and <scp>bottom‐up</scp> effects of women's representation in the context of industry gender composition: A panel data investigation
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
Abstract Little is known about how changing organizational gender composition can enhance women's representation at lower levels (trickle‐down effects) and higher levels (bottom‐up effects), and which contextual elements strengthen or weaken these effects. We built a large panel dataset from archives spanning 2010–2019 to test our theorized trickle‐down and bottom‐up effects across three levels: non‐management, lower through middle management (LTMM), and top management team (TMT), including our theorized moderating effects of industry gender composition (male‐tilted vs. female tilted vs. balanced). Our panel analyses show that bottom‐up effects are strongest in female‐tilted industries, consistent with the gender‐role congruence explanation that women appear to be more fitting to leadership positions when followers are predominantly women. Trickle‐down effects are strongest in male‐tilted industries at the lower levels (LTMM to non‐management), but strongest in female‐tilted industries at the higher levels (TMT to LTMM). Together, these findings suggest that increasing the number of female supervisors and middle managers is effective for bringing more female employees into male‐tilted industries. However, the fact that male‐tilted industries showed no significant trickle‐down effects from TMT to LTMM suggests that senior women in these contexts refrain from acting to support other women's careers in order to avoid highlighting their gender identity.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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