Examining adolescent daughters' and their parents’ academic‐gender stereotypes: Predicting academic attitudes, ability, and STEM intentions
Notice bibliographique
Résumé
INTRODUCTION: Women continue to be underrepresented in Science, Technology, Engineering, and Mathematics (STEM) and research suggests that academic-gender stereotypes can be a contributing factor. In the present research, we examined whether adolescent daughters' and their parents' gender stereotypes about math and liberal arts would predict the academic orientation of daughters at a critical time of career related decision-making. METHODS: 49), resulting in 147 mother-daughter dyads and 83 father-daughter dyads. Implicit academic-gender stereotypes were measured using an Implicit Association Test (IAT) and explicit stereotypes, academic attitudes, academic ability, and daughters' intentions to pursue a degree in STEM were measured using self-reports. RESULTS: Neither mothers' nor fathers' implicit or explicit academic-gender stereotypes predicted adolescent daughters' implicit stereotypes; however, fathers' explicit stereotypes predicted daughters' explicit stereotypes. In addition, daughters' academic orientation, a latent variable composed of adolescent girls' academic attitudes, academic ability, and intentions to pursue a degree in STEM, was predicted by daughters' own implicit and explicit stereotypes. This was the case for relative orientation toward math versus liberal arts, as well as math (but not liberal arts) orientation. CONCLUSIONS: These findings suggest the importance of challenging academic-gender stereotypes during adolescence and suggest that at this stage in development, mothers' and fathers' academic stereotypes might have limited relation to daughters' own implicit associations with academic domains.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».