Maximizing Women's Motivation in Domains Dominated by Men: Personally Known Versus Famous Role Models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Two studies ( n = 1,522) examined the impact of role models in sport and science, technology, engineering, and mathematics (STEM) domains where gender discrimination has resulted in a lack of high-profile women. We examined the role of gender matching of personally known and famous exemplars on women's and men's motivation. Participants nominated a woman or man in sport (Study 1) or STEM (Study 2) who was either famous or known to them personally; they then indicated the extent to which they perceived this individual to be a motivating role model. Women and men were more motivated by personally known (vs. famous) role models. For famous exemplars, both women and men were most motivated by same-gender models (Studies 1 and 2). For personally known exemplars, men were similarly motivated by same- and other-gender models (Studies 1 and 2), but women were more motivated by same-gender models in sport (Study 1). Mediation analyses indicated that personally known (vs. famous) exemplars and, for women, same- (vs. other-) gender exemplars, were perceived as more attainable future selves and consequently were more motivating (Study 2). Given that there are fewer famous women in domains dominated by men, it is important to know if women can be inspired by personally known rather than famous individuals. These studies provide insight into the kinds of exemplars that are most motivating for women and may serve as a guide for educators and other practitioners seeking to provide the best role models for girls and women in domains dominated by men. Additional online materials for this article are available on PWQ's website at http://journals.sagepub.com/doi/suppl/10.1177/03616843231156165 .
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle