Mapping social exclusion in STEM to men’s implicit bias and women’s career costs
Notice bibliographique
Résumé
Why are women socially excluded in fields dominated by men? Beyond the barriers associated with any minority group's mere numerical underrepresentation, we theorized that gender stereotypes exacerbate the social exclusion of women in science, technology, engineering, and math (STEM) workplaces, with career consequences. Although widely discussed, clear evidence of these relationships remains elusive. In a sample of 1,247 STEM professionals who work in teams, we tested preregistered hypotheses that acts of gendered social exclusion are systematically associated with both men's gender stereotypes (Part 1) and negative workplace outcomes for women (Part 2). Combining social network metrics of inclusion and reaction time measures of implicit stereotypes (the tendency to "think STEM, think men"), this study provides unique empirical evidence of the chilly climate women often report experiencing in STEM. Men with stronger implicit gender stereotypes had fewer social ties to female teammates. In turn, women (but not men) with fewer incoming cross-gender social ties reported worse career fit and engagement. Moderated mediation revealed that for women (but not men), cross-gender social exclusion was linked to more negative workplace outcomes via lower social fit. Effects of social exclusion were distinct from respect. We discuss the possible benefits of fostering positive cross-gender social relationships to promote women's professional success in STEM.
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 | 0,002 | 0,001 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».