Unravelling Workplace Inequality: The Role and Effectiveness of Organizational Diversity Practices
Notice bibliographique
Résumé
Despite organizations’ efforts to improve diversity and inclusion at work, many diversity practices have yielded limited impact, while some lead to unintended consequences. While existing research has primarily focused on assessing support for these practices, there remains a critical gap in understanding the contextual nuances influencing their impact. To bridge this gap, this symposium aims to investigate organizational practices promoting diversity. Across five papers, this symposium (1) addresses the limitations of current diversity practices and whom they work best for, (2) proposes practical and innovative interventions to reduce biases and increase representation during recruitment and hiring, and (3) explores causes for why DEI supporters may become opponents to safeguard against setbacks. Taken together, this symposium provides insights for organizations to consider when adopting diversity practices. Who Fits This Goal? Intersectional Effects on Selection Decisions Under Vague and Specific Diversity Author: Ivy Mai; U. of Calgary Author: Natalya Alonso; Beedie School of Business Simon Fraser U. Author: Justin Weinhardt; U. of Calgary The Limits of Technical Fixes: Female Medical Students Make More Mistakes in the US Residency Match Author: Samuel Skowronek; UCLA Anderson School of Management Author: Joyce He; U. of California, Los Angeles Reducing Discrimination Against Individuals With Mental Impairments: The Influence of Section 503 Author: Christine Nittrouer; Texas Tech U. Author: Naomi Fa-Kaji; U. of Virginia Author: Michelle Hebl; Rice U. A Longer List of Referrals Increases Gender Diversity: Evidence From Two Field Experiments Author: Aneesh Rai; U. of Maryland R.H. Smith School of Business Author: Erika Kirgios; U. of Chicago Booth School of business Author: Brian J. Lucas; Cornell U. Author: Katherine Milkman; U. of Pennsylvania DEI U-Turns: When and Why DEI Supporters Become Opponents Author: Camellia Bryan; Schulich School of Business Author: Felix Danbold; UCL School of Management
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 | 0,025 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,018 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,002 | 0,020 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».