Generational Differences in Responses to Diversity Rationales
Notice bibliographique
Résumé
Because employee buy-in has been identified as a critical component of change with respect to diversity, organizations frequently attempt to make diversity-related events seem more appealing by offering reasons for why one should attend them. For example, organizations justify these diversity-related events as learning opportunities to attain practical skills in a diverse world, opportunities to promote social justice, or judgment-free spaces to discuss sensitive topics. It is important to empirically test whether providing these justifications is effective, because the signals they send can unintentionally hinder the very goals that they aim to achieve. It is particularly critical to examine the effects of these diversity justifications in an organizational setting with multiple stakeholders, because the ways that organizations discuss diversity can elicit varying responses across individuals from different backgrounds. In this paper, we examine whether these managerial practices are actually effective in engaging the individuals that they target in a multi-stakeholder field context. In two pre-registered field experiments at a large academic institution (N = 47,807), we find that providing a justification has a positive effect on younger generation’s registration and attendance rates, whereas it has a negative effect on the older generation’s engagement in these events, after controlling for other relevant factors such as gender, race, and staff/student status. In a follow-up lab experiment, we find evidence that organizations’ attempts to influence people via diversity justifications affect older generation adversely, but not younger generation, due to a difference in the sense of obligation that they feel toward the organization. Based on research on psychological reactance (Brehm, 1966), we theorize that diversity justifications trigger disengagement among those who feel more obligated to attend (e.g., older generation) due to a perceived threat to their autonomy.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».