MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385211490 · doi:10.5465/amproc.2023.14234symposium

How to Promote Diversity and Inclusion: Learning from Field Data

2023· article· en· W4385211490 sur OpenAlexaff
Eileen Y. Suh, Evan P. Apfelbaum, Jun Lin, Julia D. Hur, Aastha Chadha, L Taylor Phillips, Jackson G. Lu, Michelle Zhao, Nir Halevy

Notice bibliographique

RevueAcademy of Management Proceedings · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensQuest University Canada
Organismes subventionnairesnon disponible
Mots-clésInclusion (mineral)Diversity (politics)Gender diversitySternSociologyPublic relationsPolitical scienceManagementGender studiesLawEngineering

Résumé

récupéré en direct d'OpenAlex

This symposium advances knowledge about increasing diversity, equity, and inclusion in organizations by examining data obtained from the field. The first half of the symposium will address factors determining support or decisions around organizational diversity efforts. The latter half will be devoted to field interventions that sought to promote diversity in organizational settings. The first paper investigates how female board directors’ network connectedness shapes the organization’s decisions on increasing future boardroom gender diversity. The second paper investigates the motivations behind the dominant group members’ engagement in allyship behaviors that often belie their own interests. The third paper examines how a 9-week debate training increases Asian employees’ leadership advancement. Finally, using a large-scale field experiment, the fourth paper explores how providing justifications of why one should attend DEI events differentially impact younger versus older individuals’ engagement with these events. The Effects of Female Network Connectedness on Gender Diversity Efforts Author: Jun Lin; Stanford Graduate School of Business Author: Julia D. Hur; New York U. Collective Self-Esteem and Dominant Group Allyship Author: Aastha Chadha; NYU Stern School of Business Author: L Taylor Phillips; NYU Stern Breaking the Bamboo Ceiling and Empowering Asians’ Leadership Advancement with Debate Training Author: Jackson Lu; MIT Sloan School of Management Author: Michelle Zhao; Washington U. in St. Louis Generational differences in responses to diversity rationales Author: Eileen Y. Suh; Boston U. Questrom School of Business Author: Evan P. Apfelbaum; MIT Sloan School of Management Author: Nir Halevy; Stanford U.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,160
score de la tête « metaresearch » (Gemma)0,232
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,160
Score d'incertitude au seuil0,848

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1600,232
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,003
Études des sciences et des technologies0,0050,009
Communication savante0,0090,017
Science ouverte0,0040,008
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,182
Tête enseignante GPT0,321
Écart entre enseignants0,139 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management Proceedings→Même sujetGender Diversity and Inequality→Travaux en français237 207→