An HR Perspective on Newcomer Work Experience: The Unlearning and Learning of Implementing Diversity, Equity and Inclusion in the Workforce in Canada
Notice bibliographique
Résumé
Canada welcomes newcomers from around the world. The Canadian immigration system is led by Immigration Refugees Citizenship Canada (IRCC). IRCC has several mandates and by partnering with settlement agencies across the country they work to fulfill them. One of IRCC’s mandates is to integrate newcomers into the workforce. However, employment choices are limited, in part, due to the barriers employers experience in hiring newcomers. By discussing some of these barriers and their solutions we will look at how to implement best practices of diversity, equity and inclusion (DEI). Settlement agencies provide an important service helping newcomers integrate into Canadian society. Many times these settlement agencies hire newcomers to work for them. These workforces have a richly diverse work environment full of practical examples of how to implement DEI. Human Resource (HR) tools, resources and professionals are integral to hiring newcomers. From an HR perspective, newcomer work experience through attraction and recruitment provides clear practical examples of how to implement DEI hiring strategies. Newcomer work experience through Learning and Development (LD) provides examples of external stakeholder relationships and identifying DEI vendor procurement strategies. LD that occurs internally through peer-to-peer learning provides a welcoming work culture through cultural celebrations. Lastly, newcomer voluntary and involuntary departure provides opportunities to learn organizational gaps in doing the work of DEI. Therefore, we will discuss the newcomer experience in the workforce through a HR lens to reveal practical examples of how to learn and unlearn implementation strategies of DEI from employee attraction to departure.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,011 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».