NOT FAR ENOUGH: HOW WORKPLACE HARASSMENT POLICIES FAIL TO PROTECT SCHOLARS FROM ONLINE ABUSE
Notice bibliographique
Résumé
Over the last decade online spaces and digital tools have become a central part of scholarly work and research mobilization (Carrigan, 2016). However, the integration and reliance on these technologies into scholars’ work lives have heightened their online visibility, which has opened the door to new experiences of online abuse. Previous research shows that online abuse has negative impacts on scholars’ work, and that they are left to deal with the consequences of online abuse primarily on their own, with little support from their institution (Authors, 2018a; 2018b). Given the importance of online spaces/tools in scholars' lives and the detrimental impacts of harassment, colleges and universities must recognize the risks associated with online visibility and have policies in place that address those risks. In this paper we analyze 41 workplace policies that deal with harassment and discrimination from Canadian Universities and Colleges to understand what these institutions propose to do about online abuse. We use Bacchi’s (2012) ‘What’s the problem represented to be?’ (WPR) approach. This approach encourages examination of the assumptions and conceptual logics within the framing of a problem in order to understand implicit problem representations. Early analysis identified two problems common across the 41 policies that limit their ability to offer protection and/or support in many cases of online abuse: the first limitation focuses on who the policies apply to, and the second on where the policies apply.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».