Diversity, equity and inclusive lessons from a workplace in the Canadian Arctic
Notice bibliographique
Résumé
This chapter is about leadership that supports diversity, equity and inclusion (DEI), and its challenges in the context of Inuit and multicultural workplaces in the newest and largest territory in Canada, Nunavut, more specifically in the field of social services. The workforce is diverse, consisting of Inuit employees (30-60%) and others (40-70%) who are of varied ethno-cultural backgrounds, gender, abilities, immigration status and sexual orientation. The research method utilized is reflective practice that is aligned with, both, Inuit Societal Values and social work practice in cross cultural settings thus complementing and supporting the natural, non-intrusive and non-interference manner of which the research is conducted. The lessons learned are: the challenges of DEI workplaces are varied and complex, however, embedding cultural values and leading in a culturally congruent and safe manner creates the environment that supports employees of diverse backgrounds. Further, shared leadership, that is based on mutual respect and appreciation of diverse skills and knowledge appears to be the most common and successful approach while firmly rooted in the Inuit culture. Recommendations for future research is expending and complementing lessons learned by conducting participative research through action learning, action research, in order to bring Indigenous and multicultural voices forward, further informing specific strategies aligned and supportive of the principles of diversity, equity and inclusion.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,028 | 0,008 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».