Do you know when you are the punchline? Gender-based disparagement humor and target perceptions
Notice bibliographique
Résumé
Purpose This paper aims to draw upon extant theory and research to delineate the fundamental factors that impact how women evaluate disparaging humor directed at them. The conceptual framework presented outlines the most fundamental organizational-, interpersonal- and individual-level factors that influence the accuracy of such evaluation. Design/methodology/approach This is a conceptual paper that offers both a review of extant humor and gender research and theory and the presentation of a theoretical model that classifies sources of influence on evaluations of sexist humor from the perspective of the target. Findings Organization-, interpersonal- and individual-level factors are identified as sources of influence on women’s perception and evaluation of sexist humor leveled at them. This classification identifies factors including organizational power dynamics, egalitarian norms, interpersonal trust, target self-esteem and feminist identity. Research limitations/implications This paper offers a conceptual framework to guide future studies in more systematically examining the sources of influence on female targets’ capacity to recognize when they are the “punchline” of sexist humor. Practical implications The conceptual model developed in this paper offers important implications for managers and leaders in organizations in assisting targets to recognize instances of sexist humor directed at them. The aim is to arm potential victims with the knowledge necessary to foster awareness of their treatment in the workplace and to improve the accuracy of evaluation of workplace attitudes that may often nurture a sense of approval or apathy regarding displays of sexist humor. Originality/value This paper presents a novel classification of sources of influence on female targets’ evaluation of sexist humor in the workplace.
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 | 0,001 | 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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».