Diversity, Equity, and Inclusion Practices: Unveiling the Unforeseen Outcomes
Notice bibliographique
Résumé
Promoting Diversity, Equity, and Inclusion (DEI) is crucial for organizations, yet these efforts can inadvertently lead to negative consequences for women and racial minorities. This symposium aims to delve into the underlying mechanisms of these unintended outcomes and highlight effective solutions. By inviting leading scholars in this domain to share ongoing research, this platform seeks to dissect the complexities of DEI implementation, paving the way for more nuanced strategies. It also aims to identify proactive measures to minimize negative impacts and amplify positive outcomes. With a forward-looking approach, this symposium endeavors to shape the future trajectory of DEI research and practice, offering valuable insights for fostering inclusive and equitable organizational environments. Gender differences in perceptions of meritocracy Author: Shoshana Schwartz; Christopher Newport U. Author: Isabel Fernandez-Mateo; London Business School Author: Herminia Ibarra; London Business School Author: Dana Kanze; London Business School Parental Leaves and Men’s Communality Advantage at Work Author: Anja Krstic; York U., Toronto Caught Between Female Tokenism And Female Dominance Author: Anthea (Yan) Zhang; Rice U. The Gendering of Job Application Sources: Analyzing Hiring Outcomes across Job Titles, Organizations Author: Emilio J. Castilla; MIT Sloan School of Management Author: Francesco Sguera; UCP - Católica Lisbon School of Business & Economics
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 | 0,018 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,021 |
| Communication savante | 0,014 | 0,010 |
| Science ouverte | 0,001 | 0,021 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».