The Promises and Pitfalls of Diversity and Inclusion in Organizations and Society
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
Despite efforts to diversify organizations and move toward a more antiracist society, progress toward these noble goals remains elusive and, often, misunderstood (Dobbin, Kim, & Kalev, 2011; Kraus, Rucker, & Richeson, 2017; Opie & Roberts, 2017; Williams, 2001). Historically underrepresented groups still struggle to integrate into, persist in, and feel included within organizational cultures (Acker, 2006; Ray, 2019; Rivera & Tilcsik, 2016). Corporate leaders continue to make racially biased statements, which observers can meet with intolerance and indignance. Furthermore, despite the amount of time, resources, and money put forth to create a more inclusive workplace and world, there is a lack of understanding surrounding what strategies are effective and why (Kalev, Dobbin, & Kelly, 2006). Considering the current dynamics of our society, organizational leaders are in need of consensus to create effective and sustainable diversity, equity, and inclusion initiatives. In this symposium, we consider the challenges, constraints, and possibilities within efforts to create a more diverse and inclusive society. We hope to suggest practical pathways forward to engage with and bring managers back into these conversations. What organizational policies and practices impede progress toward diversity and inclusion of underrepresented groups, such as women and racial minorities? What psychological processes predict whether onlookers respond to the prejudiced corporate leader with intolerance or forgiveness? How are diversity and inclusion personnel, particularly workers of color, enabled and constrained in their ability to improve the climate of a large-scale organization such as a university? These are a few of the questions our presenters will answer in this symposium on the promises and pitfalls of diversity and inclusion in organizations and society. Racialized Expertise and the Enabling and Constraining Character of Organizations Presenter: Sandra Portocarrero; Columbia U. Maternity Salience: How Concerns About Women’s Family Demands Undermine Fair Treatment Presenter: Ezgi Ozgumus; London Business School Presenter: Aneeta Rattan; London Business School Bias Intolerance: Predicting Condemnation of Apologetic Perpetrators of Prejudice Presenter: Ivuoma Onyeador; Northwestern Kellogg School of Management Presenter: Rebecca Neel; U. of California, Riverside - Anderson Graduate School of Management Presenter: Bethany Lassetter; U. of Toronto Presenter: Andre Wang; U. of California, Davis Presenter: Andrew Todd; U. of California, Davis Presenter: Jenessa Shapiro; U. of California, Los Angeles The Misperception of Progress Toward Diversity, Equity, and Inclusion in Organizations Presenter: Brittany Torrez; Yale U. Presenter: LaStarr Hollie; Yale School of Management Presenter: Michael W. Kraus; Yale School of Management
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,008 |
| 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