The Impact of Gender Differences on Negotiations in The Workplace: Or The Underlying Effectiveness of Women
Notice bibliographique
Résumé
This literature review helps explain the impact gender has on negotiations. The discussion encompassed in this review will include the impact of gender stereotypes on negotiation, continuing to how these stereotypes and other gender-related issues impact salary negotiations. It will also analyze how men and women approach negotiation with the same and opposite sex and will include a discussion on gender expectations brought about by cultural differences. It will conclude with summarized findings, inconsistencies in research, shortcomings of methodology, and direction for future research. This review’s findings are sourced from articles, academic journals, theses, and web pages. The research concluded that stereotypes do play a role in determining how people negotiate with their opposition by leveraging their position and preconceived gender-based personality traits. It also concludes that the gender pay gap can, in part, be explained by the negotiation process of salary. This is due to males dominating executive-level positions. Furthermore, men and women interact differently and achieve different outcomes depending on the gender they’re negotiating with, uniformly in favor of males. Lastly, culture also plays a role in creating gender-based stereotypes and negotiation results differ significantly from country to country due to different cultural norms and practices. It has been found, with little uncertainty, that gender does play a significant role in negotiation outcomes. A direction for future research would be to explore gender as a non-binary construct and determine negotiation outcomes across a spectrum, as well as cross-analyzing gender with other individual circumstances.
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 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 | 0,004 | 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».