Location Matters: Everyday Gender Discrimination in Remote and On-site Work
Notice bibliographique
Résumé
Remote work has dramatically transformed professional environments, sparking considerable scholarly interest in its impact on employees and organizations. Contributing to this burgeoning literature, we investigate how remote versus on-site work affects women’s experiences of gender discrimination. Given that work location can alter the gendered nature of interactions, we focus on everyday gender discrimination: slights and offenses that occur in interactions and are perceived by recipients as reflecting gender bias. Integrating gender frame theory and scholarship on virtual work, we argue that the gender frame tends to be less salient in remote settings. Thus, we predict that women experience less everyday gender discrimination when working remotely than on-site. Moreover, because the gender frame is likely to be more salient during on-site work for younger women and those who work with mostly men, we expect that these women experience a particularly pronounced reduction in everyday gender discrimination when working remotely. To test these predictions, we developed a new measure of everyday gender discrimination and conducted an original survey of 1,091 professional women who work in the same job both remotely and on-site. We find that women consistently report less everyday gender discrimination in remote versus on-site work. This effect is particularly pronounced for younger women and those who interact mainly with men. Overall, this study advances research on how work location shapes workers’ outcomes and experiences, enriches the literature on the trade-offs women face in virtual and on-site settings, and extends scholarship on the contextual factors shaping workplace discrimination. Funding: This work was supported by Social Sciences and Humanities Research Council of Canada [Grant 435-2020-0059], the Canada Research Chairs Program, and the Institute for Pandemics and the Institute for Gender and the Economy at the University of Toronto. Supplemental Material: The online appendix is available at https://doi.org/10.1287/orsc.2022.16949 .
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 | 0,002 | 0,005 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».