New Directions in Facilitating and Supporting Stigmatized Conversations in the Workplace
Notice bibliographique
Résumé
Although concealable stigmatized identities are fundamental to individual identity and carry positive benefits for the individual when shared with others, individuals are still hesitant to disclose such identities in the workplace due to risk of social devaluation and negative stereotypes. As such, given the taboo nature of such identities, employees with concealable stigmatized identities often grapple with the decision whether to disclose their identity at work or keep their identity hidden, and how to effectively manage workplace relationships and social interactions at work. In an effort to further understand how people navigate such disclosures and subsequent relationships in the workplace, the papers in this symposium highlight various concealable stigmatized identities and examine: (a) what motivates individuals to disclose their concealable identities; (b) what disclosure strategies exist for specific identities; (c) how employees navigating work relationships in relation to their identities; and (d) how individuals engage in identity work to understanding one’s identity. Understanding Menstruation Motives and Disclosures in the Workplace: A Mixed Methods Investigation Author: Aqsa Dutli; Purdue U., West Lafayette Author: Allison S. Gabriel; Purdue U., West Lafayette Bipolar Disorder Disclosure: How Identity Management and Educational Affiliation Matter Author: Janice Yue-Yan Lam; Schulich School of Business, York U. Author: Jean-Marc Moke; York U. Author: Brent John Lyons; Schulich School of Business, York U. Author: Daniel S. Samosh; Queen's U. Lessons on How Social Interaction Norms Become Stigmatized Through the Lens of Workers with Autism Author: Tiffany Dawn Johnson; Georgia Institute of Technology Author: Aparna Joshi; Ross School of Business, U. of Michigan Author: Mary Eve Speach; U. of Georgia Caste System in North America: An Intersectional Examination of Overlapping Systems of Power at Work Author: Barnini Bhattacharyya; Ivey Business School Author: Aparna Joshi; Ross School of Business, U. of Michigan
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,046 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,009 |
| Communication savante | 0,020 | 0,032 |
| Science ouverte | 0,006 | 0,012 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».