MétaCan
Menu
Retour à la cohorte
Enregistrement W4286622605 · doi:10.5465/ambpp.2022.16301symposium

Re-thinking White Standards of Leadership to Develop Women, Black, South and East-Asian Leaders

2022· article· en· W4286622605 sur OpenAlexaffabout
Soo Min Toh, Devyani Mahajan, Pankaj Aggarwal, Alecia Bracy, Pooja Khatija, Phanikiran Radhakrishnan, Ahreum Maeng, Jaffa Romain

Notice bibliographique

RevueAcademy of Management Proceedings · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWorkforcePublic relationsWhite (mutation)Political scienceGender studiesLeadership developmentNarrativeSociologySocial psychologyPsychology

Résumé

récupéré en direct d'OpenAlex

This symposium showcases a set of four papers that adopt innovative approaches to uncover the inherent biases in describing and assessing women and racial minority leaders. The perspectives that the papers bring fill important gaps in existing literature by demonstrating surprising ways in which bias against women and racial minority leaders are external to the organization can also be perpetuated within it. They illustrate the way Asian CEOS are stereotypically depicted in social media, how previously established and validated personality assessments are unreliable in women and racial minority populations, how unconscious preferences for White standards of leadership and physical attributes (e.g., facial proportions) work against women, South-Asian, East-Asian, and Black leaders in how likely they are seen to be leader-like, and in how a group of Black women experience bias in a predominantly white corporate environment. The papers are novel in their methodology, use a variety of data sources (media narratives, field studies, experiments, and interviews) and examine leadership in different spheres (both politics and business) and across organizational ranks. They reveal the importance of assuming that women and racial minorities, or that their intersectional identities are an undifferentiated whole. They illustrate how research and practice in human resources should include diverse “others” when developing them as leaders in the organization. The chair and discussant will lead in a nuanced discussion of how researchers should examine leadership in these women and racial minority populations and how organizations should recruit select, promote, and retain a multi-racial workforce. Facial Cues or Racial Hues? The Role of Face Ratio and Racial Bias in Perceptions of Leadership Presenter: Pankaj Aggarwal; U. of Toronto Presenter: Ahreum Maeng; U. of Kansas Conforming yet countering: Navigating Gender and Racial Stereotypes while Becoming a Leader Presenter: Phanikiran Radhakrishnan; U. of Toronto at Scarborough Presenter: Jaffa Romain; U. of Toronto South Asian and East Asian CEO Media Narratives: A look at the Intersectionality of Race and Gender Presenter: Pooja Khatija; Organizational Behavior Case Western Reserve U. African American Experiences of Unfairness in the Corporate Work Environment Presenter: Alecia Bracy; Capella 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 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)0,010
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0060,008
Communication savante0,0080,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,145
Tête enseignante GPT0,307
Écart entre enseignants0,162 · 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'étudeThéorique ou conceptuel
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 sujetGender Diversity and InequalityTravaux en français237 207