Education Without Representation: Cultural Fluency, Diversity, and Dispute Resolution in the Canadian Context
Notice bibliographique
Résumé
A recent analysis of neutrals affiliated with one of the largest providers of dispute resolution (DR) services in the United States revealed 25 per cent were women and seven per cent belonged to a minority group. Given Canada’s stronger reputation for respecting diversity, one would reasonably expect broader representation within the Canadian DR profession. The lack of pertinent statistics, however, makes it difficult to judge. In an attempt to establish a baseline of information, the author analyzed the public rosters of three reputable pan-Canadian professional organizations. While he identified a relatively greater proportion of women on most rosters, the proportion of visible minorities was as low, if not lower than the American data suggest. For example, in one organization, 47 per cent of members were women but only seven per cent were identified as indigenous or a visible minority. The author observed that the Canadian DR profession currently does not reflect the population it could potentially serve. The article begins with a discussion of cultural fluency. The author asserts that the ability to understand how people respond to conflict and how culture impacts those responses is an essential DR skill. He further argues that in addition to widely recognized advantages of diversity in general, greater diversity within the DR profession would enhance professional development initiatives and the reputation of DR; it could also lead to growth opportunities within the industry. The author then provides details of his roster study, which evidenced a marked underrepresentation of visible minorities in DR compared to both the Canadian population and the legal profession. He concludes that collecting and publishing demographic data is an essential first step toward improving diversity within the Canadian DR bar.
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 | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,033 | 0,019 |
| Communication savante | 0,011 | 0,003 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».