Exploring media portrayals of diversity, equity and inclusion (DEI) backlash in aviation
Notice bibliographique
Résumé
Purpose This article aims to explore how the backlash against diversity, equity and inclusion (DEI) programs in the aviation industry is portrayed in the media. Through a content analysis of news articles, the goal is to uncover the key narratives, themes and perceptions driving resistance to DEI initiatives. Design/methodology/approach The study uses content analysis to examine how media portrayals reflect the backlash against DEI initiatives in the aviation industry. A total of 96 relevant articles were selected for their focus on key issues at the intersection of DEI and aviation, aiming to capture real-time public and industry perceptions while uncovering the broader political, cultural and social dynamics shaping these narratives. Findings The analysis reveals that much of the opposition to DEI in aviation centers around safety concerns, with critics, particularly in the US, arguing that diversity initiatives may compromise the industry’s rigorous standards. Political polarization further intensifies these concerns. While race is the dominant theme in the discourse, gender and disability also emerge as points of tension, especially in reaction to inclusive hiring goals. Practical implications Understanding how DEI backlash is represented in the media helps identify the underlying themes, biases and misconceptions driving resistance, offering insights into how such challenges can be addressed effectively. Aviation organizations must transparently integrate concerns into their DEI strategies and communicate clearly to build trust and correct misconceptions. Originality/value This study offers a unique examination of DEI challenges in aviation – an industry with global reach, strict regulations and a diverse workforce – addressing a critical yet overlooked gap in the literature.
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 | 0,006 | 0,001 |
| 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 | 0,016 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,231 |
| 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 ».