Gender Identity, the Culture of Organizations, and Women's IT Careers
Notice bibliographique
Résumé
The decreasing number of women in information technology (IT) programs and careers has received increasing attention over the last decade (Arnold & Niederman, 2001; Camp, 1997; Cukier, Shortt, & Devine, 2002; Klawe & Leveson, 1995; Niederman & Mandviwalla, 2004). The proliferation of technology innovations over the last 20 years has made the computer less of a mystery to the general public and placed it in a more prominent place in both the office and home. The integration of networks and the placement of the personal computer as a new artifact in society has signaled both cultural as well as technological changes for the future (Woodfield, 2000). However, bigger transformations are yet to emerge. The future efforts of technology will focus on areas such as artificial intelligence, robotics, and bio-technology and implications are significant. Yet, despite these major changes, organizational cultures across businesses appear to have retained their masculine bias or feel. If the current trend of under representation of women in the IT field continues (Camp, 1997; Klawe & Leveson, 1995; MacInnis & Khanna, 2005), these future developments will be without the influence of women, and IT will become entrenched in the public psyche as a masculine pursuit (Woodfield, 2000). The purpose of this article is to present an overview of organizational culture and its influence on gendering identities. Further, an exploration of the evolution of organizational culture within the IT discipline will be offered to assist with our understanding of why fewer women are pursuing IT careers.
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 | 0,000 | 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 | 0,001 |
| 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 ».