Towards Inclusive Infrastructures: Examining the Experiences of Gender Diverse People in University Systems
Notice bibliographique
Résumé
Research on gender, identity, and technology has focused on designing individual systems for inclusivity, that is, examining how systems can represent transgender, nonbinary, gender non-conforming, and other gender diverse identities in affirming ways. Less is known about how infrastructures -that is, multiple loosely connected and long-lived systems-can be made inclusive. This gap is critical to address as systems rarely operate in isolation and infrastructures are pervasive in contemporary organizations. For example, universities maintain separate systems for applications, admissions, housing, and course management that only occasionally communicate with each other. This paper steps towards addressing this gap by examining the challenges gender diverse people face in navigating such complex infrastructures. Through a qualitative study consisting of 20 interviews, we find that participants encountered challenges unique to interconnected systems-such as slow and inconsistent updates to personal information and unexpected leaks of outdated information-that together created a perpetual risk of being misgendered by both systems and other users. To navigate such challenges, participants used workarounds such as seeking help from organizational insiders, piloting identity changes on a small scale, engaging in small acts of resistance, and strategically choosing which battles to fight. Participants expressed several goals for inclusive infrastructures: quick and consistent personal data updates; transparency around non-inclusive design decisions; safe and contextual data sharing practices; and community education to facilitate broader cultural change. We discuss novel insights on identity, representation, and inclusion, and present design implications to better support gender diverse people in technical infrastructures.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».