The EThIC Model of Virtue-Based Allyship Development: A New Approach to Equity and Inclusion in Organizations
Notice bibliographique
Résumé
As organizations take on grand challenges in gender equality, anti-racism, LGBTQ+ protections and workplace inclusion, many well-intentioned individuals from dominant groups (e.g., cisgender men, Caucasian, heterosexual) are stepping forward as allies toward underrepresented or marginalized group members (e.g., cisgender women, People of Color, LGBTQ+ identified employees). Past research and guidance assume an inevitable need for external motivation, reflected in the ‘business case’ for diversity and in top-down policies to drive equity and inclusion efforts. This qualitative study explored internal motivations in the form of morally motivated virtues of 25 peer-nominated exemplary allies serving in leadership positions. In-depth life/career story interviews were used to identify the virtues that supported their allyship journeys. Findings demonstrated that they tapped into several virtues that served distinct functions in a 4-stage allyship development process: Stage 1—Energizing psychological investment (compassion, fairness); Stage 2—Thinking through allyship-relevant complexities (intellectual humility, perspective-taking, wisdom); Stage 3—Initiating action (prudence, moral courage, honesty); Stage 4—Committing to allyship (perseverance, patience). We call this the ‘EThIC model of virtue-based allyship development.’ This study has implications for theory and research on a virtue-based approach to diversity, equity and inclusion.
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 | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,024 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».