Sexual misconduct reporting: the silencing effects of hegemonic masculinity
Notice bibliographique
Résumé
Purpose Drawing on hegemonic masculinity theory, this study provides evidence supporting how gender, race and sexual identity, may shape the rates of sexual misconduct reporting, by keeping those targets who traditionally enjoy positions of power (i.e. white, cisgender men) silent. Design/methodology/approach Across 3,230 gender harassment, 890 sexual advance harassment and 570 sexual assault incidents that occurred within a traditionally masculine organization, the authors conducted tests of independence and hierarchical regression analyses to examine whether targets' social identity characteristics (i.e. sex, race, sexuality and gender alignment), predicted the reporting of sexual misconduct. Findings Although reporting rates varied based on the type of incident, white men were less likely than their colleagues to report workplace sexual misconduct. In general, men were approximately half as likely as women to report. Lower rates of reporting were similarly seen among all white (vs BIPOC) targets and all cisgender and heterosexual (vs LGBT) targets, when controlling for other identity characteristics. Originality/value Research on sexual misconduct has largely privileged the experiences of (white, heterosexual) women, despite knowledge that men, too, can experience this mistreatment. This research broadens this lens and challenges the notion that sexual misconduct reporting rates are uniform across employee groups. By articulating how the pressures of hegemonic masculinity serve to silence certain targets – including and especially white, cisgender men – the authors provide means of better understanding and addressing workplace sexual misconduct underreporting.
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 | 0,004 | 0,001 |
| 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 | 0,020 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».