MétaCan
Menu
Retour à la cohorte
Enregistrement W4389050480 · doi:10.1017/lsi.2022.95

Revolving Doors: Social Dimensions of Law Firm Culture and Pathways out of Firms

2023· article· en· W4389050480 sur OpenAlexaffabout
Fiona M. Kay

Notice bibliographique

RevueLaw & Social Inquiry · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésScholarshipHuman capitalCollegialityCorporate lawSocial capitalBusinessPublic relationsSociologyLawPolitical scienceCorporate governanceEconomicsMarket economy

Résumé

récupéré en direct d'OpenAlex

Abstract A growing body of research suggests that contemporary law firms face challenges with the retention of legal talent—especially women and racialized lawyers. Yet, we know little about the conditions that prompt lawyers to leave law firms or where they go after leaving. This article builds on the scholarship of John Hagan, emphasizing the role of social capital in law firm culture, and work by Emmanuel Lazega, tracing dimensions of law firm collegiality—both with implications for lawyers’ careers within and beyond law firms. I draw on data from a twenty-seven-year longitudinal survey of Canadian lawyers. Using piecewise exponential survival models, I examine organizational, cultural, and individual factors that may encourage mobility from law firms. The study reveals a pervasive gender difference that is not explained by human capital, organizational characteristics, or individual traits. Results also demonstrate the importance of social capital and firm culture—specifically, the presence of workplace policies of flexible scheduling, lawyers’ sense of a good match with their firm, their satisfaction with status rewards, and finally, the role of mentors—in shaping the flow of legal talent from law firms to various job destinations.

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)0,013
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 enseignants0,081
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,004
Communication savante0,0050,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,146
Tête enseignante GPT0,413
Écart entre enseignants0,267 · 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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLaw & Social InquiryMême sujetLegal Education and Practice InnovationsTravaux en français237 207