Women With Mandarin Accent in the Canadian English-Speaking Hiring Context: Can Evaluations of Warmth Undermine Gender Equity?
Notice bibliographique
Résumé
Although many workers speak with a non-native English accent, our understanding of this phenomenon is limited because prior work predominantly focused on men. This overlooks whether the biases women experience due to their accent manifests differently. To address this omission, we use an intersectional lens to examine how non-native accents associated with more gender-traditional countries may affect women's hiring outcomes. We argue that the bias women with these accents face is subtle due to an association of non-native (vs. native) accents with perceptions of women's warmth (whereas there are no such effects for men) and consequently higher perceptions of hireability. Yet we posit that the indirect effect on hireability occurs within feminine, but not masculine, industries, which ultimately undermines equity by pushing women with these non-native accents into lower pay and prestige occupations. We found support for our hypotheses in three vignette-based experiments conducted in Canada using a Mandarin accent. Managers and decision-makers need to be aware of the insidious bias women with these non-native accents experience because it may not be immediately apparent that an association of accent with higher ratings of warmth may undermine women at work. Additional online materials for this article are available on PWQ's website at https://journals.sagepub.com/doi/suppl/10.1177/03616843231165475
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,004 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».