MétaCan
Menu
Retour à la cohorte
Enregistrement W3113067630 · doi:10.1177/1098611120976090

Exploring Differing Experiences of a Masculinity Contest Culture in Policing and the Impact on Individual and Organizational Outcomes

2020· article· en· W3113067630 sur OpenAlexaffabout
Angela Workman-Stark

Notice bibliographique

RevuePolice Quarterly · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSexual Assault and Victimization Studies
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésMisconductCONTESTHarassmentMasculinityPsychologyOrganizational cultureSocial psychologyZero toleranceEconomic shortageCriminologyPublic relationsPolitical scienceGovernment (linguistics)Law

Résumé

récupéré en direct d'OpenAlex

Despite increasing allegations of misconduct, police organizations continue to overlook the environmental factors that contribute to harassment and other forms of misconduct. Using secondary survey data collected from a Canadian police organization ( N = 488), this study explored the specific factors that might contribute to masculinity contest cultures (i.e., cultures akin to a zero-sum competition with rules defined by masculine norms; MCCs). This study also examined whether MCC norms are experienced differently based on level within the organization, occupational role, and employee sex. The study findings suggest that MCC norms may be amplified by a shortage of personnel, and certain policies and practices that pit members against each other. The study also found that MCC norms are not necessarily perceived in the same way. For instance, female and frontline police officers were more likely to perceive their workplace as a MCC. Female officers were also more likely to experience harassing behaviors. This study makes a significant contribution to research and practice as it advances our understanding of MCCs within policing and how they might be changed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,157
Score d'incertitude au seuil0,312

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,005
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,099
Tête enseignante GPT0,347
Écart entre enseignants0,248 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations33
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolice QuarterlyMême sujetSexual Assault and Victimization StudiesTravaux en français237 207