MétaCan
Menu
Retour à la cohorte
Enregistrement W4388020398 · doi:10.1038/s41562-023-01731-5

A field study of the impacts of workplace diversity on the recruitment of minority group members

2023· article· en· W4388020398 sur OpenAlexaff
Aaron Nichols, Jordan Axt, Dan Ariely

Notice bibliographique

RevueNature Human Behaviour · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNames, Identity, and Discrimination Research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDiversity (politics)Ethnic groupWorkforceRace (biology)Gender diversityExploratory researchCultural diversityPsychologyQuality (philosophy)Racial diversitySocial psychologyPolitical sciencePublic relationsSociologyGender studiesManagementLawSocial science

Résumé

récupéré en direct d'OpenAlex

Increasing workplace diversity is a common goal. Given research showing that minority applicants anticipate better treatment in diverse workplaces, we ran a field experiment (N = 1,585 applicants, N = 31,928 website visitors) exploring how subtle organizational diversity cues affected applicant behaviour. Potential applicants viewed a company with varying levels of racial/ethnic or gender diversity. There was little evidence that racial/ethnic or gender diversity impacted the demographic composition or quality of the applicant pool. However, fewer applications were submitted to organizations with one form of diversity (that is, racial/ethnic or gender diversity), and more applications were submitted to organizations with only white men employees or employees diverse in race/ethnicity and gender. Finally, exploratory analyses found that female applicants were rated as more qualified than male applicants. Presenting a more diverse workforce does not guarantee more minority applicants, and organizations seeking to recruit minority applicants may need stronger displays of commitments to diversity.

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)0,009
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,009
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,012
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,115
Tête enseignante GPT0,416
Écart entre enseignants0,300 · 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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature Human BehaviourMême sujetNames, Identity, and Discrimination ResearchTravaux en français237 207