MétaCan
Menu
Retour à la cohorte
Enregistrement W4225151029 · doi:10.1111/1467-8551.12611

Justifying (Non)Discrimination Against Disabled Workers in Emerging Economies: Managerial Choice, Business Versus Moral Case Arguments and Home Versus Host Country Effects

2022· article· en· W4225151029 sur OpenAlexaff
Pauline Dibben, Geoffrey Wood, Gareth Crockett, Nikola Bakalov

Notice bibliographique

RevueBritish Journal of Management · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensWestern University
Organismes subventionnairesEconomic and Social Research Council
Mots-clésMultinational corporationTransaction costFace (sociological concept)Emerging marketsAltruism (biology)Core (optical fiber)BusinessEconomicsMarketingLaw and economicsSociologySocial psychologyMicroeconomicsPsychology

Résumé

récupéré en direct d'OpenAlex

Abstract It is widely known that disabled people face discrimination in all walks of life, including employment. Unfortunately, legal protection often does not work as well as hoped, especially in emerging markets. This leads to the core objective of this study: to understand why firms might not discriminate against disabled people. Rather than simply identifying islands of non‐discrimination or best practice, we seek to better understand what has made them so and how much this might be replicable, taking account of legal regulation, firm policy and managerial choice. The qualitative findings reveal how non‐discrimination is underpinned by an interplay between business and moral case influences and interaction between country of domicile and origin structural effects. Building on transaction cost economics, theoretical insights are afforded on this dynamic process. Although it is often assumed that multinational enterprises infuse best practices from abroad, non‐discrimination in most instances followed country of domicile managerial choice, which in turn represented a mix of altruism and expediency. We posit that a lack of direction from headquarters might be because disability rights were assigned a somewhat low priority at central organizational level.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,775

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,283
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of ManagementMême sujetGender Diversity and InequalityTravaux en français237 207