MétaCan
Menu
← Retour à la cohorte
Enregistrement W4286665497 · doi:10.5465/ambpp.2022.14692symposium

Perceiving and Disrupting Discrimination in Organizations

2022· article· en· W4286665497 sur OpenAlexaboutno aff
Rachel Arnett, Serenity Lee, Modupe Akinola, Chadé Darby, Sa‐kiera Tiarra Jolynn Hudson, Lumumba Seegars

Notice bibliographique

RevueAcademy of Management Proceedings · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAction (physics)TabooPublic relationsCollective actionSituatedHarassmentDiversity (politics)Status quoSociologySocial psychologyWorkforcePolitical sciencePsychologyLaw

Résumé

récupéré en direct d'OpenAlex

Despite the increasing demographic diversity in the workforce, discrimination against marginalized social groups remains a prevalent issue for many modern organizations (Hebl et al., 2020). However, the nature of discrimination is constantly evolving. While overt and explicit animus is often taboo, biases continue to creep into daily interactions in subtler ways and seep into the fabric of organizations in a manner that can be harder to detect. These challenges lead to questions about how discrimination can be overcome. In some cases, individuals who are subjected to discrimination respond at an individual level through confronting biased behaviors (Czopp & Monteith, 2003) or pushing back on organizational practices (Meyerson & Scully, 1995). Marginalized employees also attempt to engage in collective action with similarly situated individuals who are motivated to push back on the status quo (Scully & Segal, 2002). Finally, enlisting the help of allies from historically advantaged groups can be another tactic to shift the system (Droogendyk et al., 2016). While each of these approaches to fighting discrimination has promise, the present symposium investigates the obstacles that prevent these tactics from reaching their full potential. Drawing upon multiple methods (qualitative, survey, and experimental) and theoretical lens (identity management, collective action, allyship, intersectionality), we highlight issues in each of the above domains of individual action, collection action, and allied action. Collectively, these studies shed light on the experiences of employees navigating and responding to discrimination in the workplace, the barriers that undermine these efforts, and what may offer hope of effectively disrupting organizational discrimination and inequality. Navigating Race at Work: A Two-Dimensional Framework of Minority Racial-Identity Management Presenter: Rachel Arnett; The Wharton School, U. of Pennsylvania Presenter: Keana Richards; U. of Pennsylvania Presenter: Serenity Lee; The Wharton School, U. of Pennsylvania Presenter: Patricia Faison Hewlin; McGill U. Sanctioned Radicals: Comparing employees’ collective organizing around race versus gender Presenter: Lumumba Seegars; Harvard Business School The Divergence Between Descriptive and Prescriptive Expectations for Gay Men and Lesbian Women Presenter: Sa-kiera Hudson; Yale U. Presenter: Asma Ghani; Harvard U. Presenter: Aerielle Allen; New York U. Marginalized Workers’ Allyship Perceptions of Workplace Friends and Managers Presenter: Chade Darby; Cornell U. Presenter: Courtney Lynn McCluney; ILR at Cornell

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)0,009
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,011
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,015
Communication savante0,0110,006
Science ouverte0,0010,013
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,059
Tête enseignante GPT0,305
Écart entre enseignants0,246 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management Proceedings→Même sujetGender Diversity and Inequality→Travaux en français237 207→