Inclusion and protection in tension: Reflections on gathering sexual orientation and gender identity data in the workplace
Notice bibliographique
Résumé
Abstract This article addresses the complex issue of sexual orientation and gender identity (SOGI) data collection in workplaces, highlighting the intricate balance between fostering inclusion and mitigating potential harm and exclusion. This tension manifests uniquely across diverse cultural, legal, and organizational settings. We review existing literature, offer practical guidance for decision‐makers, and outline future research avenues. While SOGI data collection in workplaces can enhance diversity, equity, and inclusion (DEI) initiatives and elevate the visibility of lesbian, gay, bisexual, transgender, intersex, and queer (LGBTIQ+) employees, challenges include the risk of discrimination, privacy concerns, and linguistic complexities. To address these, researchers and practitioners must consider the purpose, language, and cultural context of data collection, involving LGBTIQ+ stakeholders, and conducting reconnaissance studies. Future research opportunities lie in understanding employee willingness to share SOGI data, motivations of human resource (HR) and DEI professionals, and the impact on organizational culture. Reimagining LGBTIQ+ research to ease the tension between inclusion and protection, we conclude that responsible SOGI data collection demands a nuanced approach that prioritizes inclusion and equity while addressing privacy concerns and potential harm.
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 | 0,196 | 0,241 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,054 | 0,071 |
| Communication savante | 0,027 | 0,027 |
| Science ouverte | 0,006 | 0,049 |
| Intégrité de la recherche | 0,011 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».