Leading with Compassion: Co-designing a Workshop That Responds to a Report of Sexual Harassment or Discrimination with Unbiased Compassion
Notice bibliographique
Résumé
Abstract Sexual harassment and discrimination are continuing and chronic workplace problems (Quick & McFadyen, 2017) that affect the health, well-being and socio-economic future of victim/survivors (Blau & Winkler, 2018). Despite this, management and leadership education have been primarily addressing this workplace issue from a legal responsibility perspective and using preventative strategies such as promoting the value of equity, diversity, inclusion and belongingness and explaining the importance of safe, healthy and respectful workplaces. While the establishment of policies, human rights training and disciplinary procedures are undeniably important, rarely do business educators prepare future managers to engage with employees in trauma-informed, compassionate and respectful ways. The co-authors have used a collective restorying process to engage in co-designing a workshop for early career managers and students of management and leadership. The workshop includes iterative exploration of the language and authentic performativity of unbiased compassion while engaging in collective reflexivity. The basis of the workshop centres the research proposition that to support a claimant the manager must performatively lead with authentic compassion while using unbiased language in order to assure procedural justice while mitigating procedural trauma. Early career managers, and hence their organizations, are ill-equipped to deal with workplace investigations of sexual harassment and discrimination. By collectively exploring and practicing unbiased compassion, managers will not only be more prepared to respond to a claim of sexual harassment or discrimination, but they will also reduce employee's felt sense of procedural trauma and increase the organization's likelihood of due diligence.
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 | 0,016 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
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 ».