Gender‐based dynamics in the 2022 ADEA Climate Study: Perspectives of faculty, staff, and administrators
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to assess gender-based perceptions among faculty, staff, and administrators within the 2022 American Dental Education Association (ADEA) Climate Study, focusing on the broad areas of cultural climate, well-being, sense of belonging, inclusivity, authentic identity, and institutional practice and policies. METHODS: The ADEA Climate Study Survey was conducted from January to March 2022, targeting dental and allied dental education programs in the United States and Canada. Data were categorized into men, women, and gender-diverse groups. Descriptive statistics and various comparative analyses (Tukey test for pairwise mean comparison, Kruskal-Wallis chi-square, Pearson's chi-squared, and Fisher's exact tests) were employed to evaluate perceptions across these groups. RESULTS: The current analyses included 5396 participants, with women comprising the majority (68.8%), followed by men (30.1%) and gender-diverse individuals (1.1%). Respondents were faculty (56.1%), staff (32.3%), administrators (4.9%), and administrators with faculty appointments (6.7%). Significant gender disparities were observed in satisfaction with health/well-being support, sense of belonging, and respect within institutions. Women and gender-diverse individuals reported lower satisfaction than men. They also perceived their opinions as less valued and faced more challenges in building trusting relationships. Institutional policies on harassment, bullying, and discrimination received less favorable ratings from women and gender-diverse individuals, who also reported higher rates of harassment and discrimination. CONCLUSIONS: This study highlights gender disparities in dental academia, emphasizing diverse perceptions and experiences among faculty and staff based on gender identity. Understanding these dynamics can inform dental schools and allied educational programs as they proactively implement diversity initiatives, enhance career development opportunities, and enact robust policies fostering diversity, equity, inclusion, and belonging.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».