Can’t We Just Talk about This? New Insights into Difficult Conversations
Notice bibliographique
Résumé
The current symposium provides new insights into difficult conversations. We first highlight which conversations people find difficult, looking at whether people want to initiate sensitive conversations or wait to confess something. We then discuss other factors beside the topic of the conversation that can make conversations difficult. Different class backgrounds might create anxiety for the interlocutors and having different mindsets in a conversation might lead to different outcomes. However, with all these difficulties of having a conversation with someone who is different from you, we show that people still try to find opportunities to talk about difficult topics. What Are You Waiting For? Delaying a Confession Does Not Help Presenter: Katherine Qianwen Sun; Columbia Business School Presenter: Michael Slepian; Columbia Business School Interacting Across Class Lines: Who is Threatened in Cross-Class versus Same-Class Interactions? Presenter: Mindy Truong; Northwestern Kellogg School of Management Presenter: Sarah S M Townsend; U. of Southern California Presenter: Nicole Stephens; Northwestern U. Dialogue vs. Debate: Causes and Consequences of Two Approaches to Disagreement Presenter: Kristina Wald; U. of Chicago Booth School of business Presenter: Anastasiya Apalkova; U. of Chicago Booth School of business Presenter: Xuan Zhao; Stanford U. Presenter: Heather M. Caruso; UCLA Anderson School of Management Presenter: Jane Risen; U. of Chicago Booth School of business “If it’s easy, you’re doing it wrong:” Managing discomfort in conversations about allyship Presenter: Olivia Foster-Gimbel; New York U.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».