MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385225532 · doi:10.5465/amproc.2023.10768symposium

Drivers of Racial and Gender Workplace Inequalities

2023· article· en· W4385225532 sur OpenAlexaffabout
Manuela Collis, Xuege Lu, Daphné Baldassari, Adina D. Sterling, Halil Sabanci, Elizabeth McClean, Santiago Campero Molina, Kira Choi, Jason Chan, Christina Yong Jeong, Yue Guo

Notice bibliographique

RevueAcademy of Management Proceedings · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLabor Movements and Unions
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInequalityIntermediarySocializationSocial inequalityLabor demandSupply and demandSupply sideSociologyPublic relationsBusinessPolitical scienceMarketingEconomicsLabour economicsSocial scienceWage

Résumé

récupéré en direct d'OpenAlex

This symposium focuses on the drivers of workplace inequality. Racial and gender inequalities are highly persistent in hiring and participation in the workplace. Past research shows that workplace inequalities are driven by two types of mechanisms: demand-side and supply-side mechanisms. In this symposium, we put together five papers that provide insights into how organizations and external stakeholders (e.g., labor market intermediaries) can mitigate or exacerbate these inequality drivers. Each paper investigates inequality mechanisms through either a supply- or a demand-side lens, examining multiple stages in the organization: applying, hiring, and contributing. Considered together, these papers shed light on how organizations can jointly think of supply- and demand-side factors when designing their hiring and knowledge contribution processes. Exploring the Differences in Gender-based Evaluations by Intermediaries versus Hiring Firms Author: Xuege (Cathy) Lu; U. of Minnesota Carlson School of Management Author: Halil Sabanci; Frankfurt School of Finance & Management Author: Elizabeth McClean; Cornell SC Johnson College of Business Race Composition of the Applicant Pool and Employers’ Decision Not To Hire Author: Santiago Campero Molina; U. of Toronto Gender Differences in the Use of Recommendation letters in the Job Search Process Author: Kira Choi; EMLYON Business School The Role of Online Socialization at the Workplace: Impact on Reducing Gender Disparity Author: Jason Chan; - Author: Christina Yong Jeong; U. of Minnesota Author: Yue Guo; southern U. of science and technology How Social Movements Influence Hiring via Networks: Evidence from the Film Industry Author: Daphné Baldassari; U. of Toronto, Rotman School of Management

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0030,002
Science ouverte0,0000,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,051
Tête enseignante GPT0,329
Écart entre enseignants0,278 · 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'étudeObservationnel
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'admission2
Résumé présentoui

Explorer davantage

Même revueAcademy of Management Proceedings→Même sujetLabor Movements and Unions→Travaux en français237 207→