Does gendered wording in job advertisements deter women from joining start‐ups? A replication and extension of Gaucher, Friesen, and Kay (2011)
Notice bibliographique
Résumé
Abstract Research Summary Gaucher, Friesen, and Kay (2011: “GFK” hereafter) found that women perceive jobs to be less appealing when job adverts use masculine wording—a result they attributed to women's lower evaluations of “belongingness.” As masculine wording is used more often in male‐dominated jobs, GFK concluded that gendered wording in job adverts may deter women from entering such jobs. In light of growing general interest in joining new ventures (“start‐ups”), we replicate and extend GFK's study to compare start‐ups and established firms. Interestingly, we find that GFK's original findings are replicated in the context of start‐ups, but not in established firms. We propose and adduce evidence that the unique context of start‐ups may prime women to respond especially sensitively to gendered wording, via positive expectancy violation. Managerial Summary This article builds on a previous study that found masculine wording in job adverts deters women from entering male‐dominated jobs. Our purpose is to try to replicate these findings using a more recent sample of data and distinguishing new ventures (“start‐ups”) from established firms. Interestingly, we show that the prior finding is only replicated in the context of start‐ups and not established firms. Hence, women's responsiveness to gendered wording in job adverts appears to depend on the context. Implications are that incorporating feminine wording in job adverts is likely to be more effective in contexts where women anticipate greater challenges in becoming integrated into the workplace culture. Entrepreneurs' recruitment strategies designed to assemble a diverse workforce should therefore differ from those of established firms.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».