Hostile, Benevolent, Implicit: How Different Shades of Sexism Impact Gendered Policy Attitudes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Advances in gender equality and progressive policies are often stymied by cultural sexist systems and individual-level sexist attitudes. These attitudes are pervasive but vary in type—from benevolent to hostile and implicit to explicit. Understanding the types of sexism and their foundations are important for identifying connections to specific social and political attitudes and behaviors. The current study examines the impact of various manifestations of sexism on attitudes regarding policies and public opinion issues that involve gender equality or have gendered implications. More specifically, we look at attitudes on reproductive rights, support for the #MeToo Movement, equal pay, and paid leave policies. In Study 1 we use data from a high-quality web panel ( n = 1,400) to look at the relationship between hostile, benevolent, and implicit sexism, and reproductive rights attitudes, as well as support for the #MeToo Movement. In Study 2 we use data from the American National Election Study ( n = 4,270) to examine the relationship between hostile and modern sexism and attitudes on abortion, equal pay, and paid family leave. Overall, these results reveal a complicated relationship between different conceptualizations of sexism and gendered attitudes, underscoring the need to consider how different forms of sexism shape broader social and political views, from both a normative perspective for societal change and a measurement approach for research precision.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle