Confronting Descriptive-Prescriptive Paradoxes in the Pursuit of Equity, Justice, and Knowledge
Notice bibliographique
Résumé
Management scholars can advance theoretical insight with significant practical implications by identifying when and why status quo procedures are failing to satisfy intended goals, and develop theoretically- informed solutions. The scholars in this symposium document descriptive- prescriptive paradoxes when confronting systemic barriers to equity, justice, and knowledge accumulation. In doing so, the speakers not only contribute novel theoretical insights that advance the field’s understanding of individual and system-level goal pursuit, but also demonstrate clear practical implications for individuals and organizations to better align their actions with their goals. Striving to survive or to thrive? Motives for aid seeking in the context of SNAP Author: Ilana Brody; University of California Los Angeles Author: Sherry Jueyu Wu; University of California Los Angeles Author: Eugene M. Caruso; University of California Los Angeles Author: Heather M. Caruso; University of California Los Angeles Advancing DEI or imposing diversity work? The pernicious effects of misguided representation goals Author: Jacob W. Roberson; USC Marshall School of Business, University Of Southern California Author: Leigh Plunkett Tost; University of Southern California Spoken softly, heard less: The gendered use of passive voice in workplace complaints Author: Grusha Agarwal; University of Toronto Author: Sonia Kang; University of Toronto An empirical test for how well the literature on behavioral interventions generalizes Author: Linnea Gandhi; The Wharton School, University of Pennsylvania Author: Elizabeth Tipton; Northwestern University Author: Duncan J. Watts; University of Pennsylvania
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».