A Review of Diversity, Equity, and Inclusion Themes in Arboriculture Organizations’ Codes of Ethics
Notice bibliographique
Résumé
Abstract Codes of ethics (COEs) play an important role in outlining an association’s ethical expectations of its membership. Diversity, equity, and inclusion issues in arboriculture have been long-standing, resulting in prevalent systemic inequality and discrimination within the industry. Codes of ethics may provide a means through which to address systemic barriers; however, unlike the forestry industry, there is limited understanding of how arboriculture organizations’ codes of ethics approach diversity, equity, and inclusion. This review of 9 national and international arboriculture organizations’ codes of ethics examines how equity, diversity, and inclusion are included within the expected ethical conduct of professional members. Through thematic and qualitative content analyses, we found that arboriculture organizations’ codes of ethics varied in length and depth, ranging from 7 to 47 statements in codes of ethics. Most ethical codes were positively framed, indicating what members should do, rather than the contrasting negative framing which indicates what members should not do. Of the 9 arboriculture organizations, 7 included equity, diversity, and inclusion statements. Inclusion codes were the most common ( n = 6 COEs), followed by equity ( n = 5 COEs) and diversity ( n = 3 COEs). In total, 8 codes of ethics referenced adherence to laws and regulations, 4 of which may provide a means for promoting ethical practice in the absence of explicit statements about equity, diversity, and inclusion.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,041 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».