MétaCan
Menu
Retour à la cohorte
Enregistrement W4283837073 · doi:10.5465/ambpp.2022.95

Does Diversity and Inclusion Include Immigrants? Employer and Skilled Newcomer Perspectives

2022· article· en· W4283837073 sur OpenAlexaffabout
Rupa Banerjee, Tingting Zhang, Aliya Amarshi

Notice bibliographique

RevueAcademy of Management Proceedings · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensToronto Metropolitan UniversityTed Rogers Centre for Heart Research
Organismes subventionnairesnon disponible
Mots-clésDiversity (politics)Inclusion (mineral)ImmigrationDemographic economicsSociologyBusinessPsychologyLabour economicsPolitical scienceSocial psychologyEconomicsAnthropologyLaw

Résumé

récupéré en direct d'OpenAlex

In this exploratory study, we examine the role that employers play in skilled immigrants’ employment integration by bringing together the experiences of newcomers with the insights of Canadian employers. Using a grounded theory approach, we analyze qualitative interview and focus group data from 48 newly arrived skilled immigrants and 41 employers to highlight the ways human resource management policies and practices shape the employment experiences of skilled immigrants. Our results indicate that while employers claim to value diversity and inclusion (D&I), most do not have coordinated policies or practices in place to promote equity for disadvantaged job seekers or employees. Even the few employers with D&I initiatives in place do not explicitly include immigrants as a group warranting special accommodation. For the most part, employers have a strong preference for Canadian education, experience, and workplace behaviour. From our results, we offer recommendations for organizations to better leverage the talents and contributions of skilled immigrant workers, critique the narrow lens through which immigrant employment is examined, and point to the need for more interdisciplinary research on immigrant employment outcomes to incorporate the voices of all stakeholders.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,197

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0190,009
Communication savante0,0100,004
Science ouverte0,0010,010
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,019
Tête enseignante GPT0,278
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207