Gender Norms in the Workplace are Exclusionary (to Some) and Restrictive (to All)
Notice bibliographique
Résumé
Work culture often mirrors societal gender norms, promoting employee behaviors and traits traditionally associated with specific gender roles. Some workplaces emphasize male-stereotypic attributes (e.g., competitiveness), some promote female-stereotypic qualities (e.g., communality), and some foster relatively gender-neutral norms. The five talks in this symposium shed light on how gendered work cultures shape workers’ self-views and how they are viewed by others, constraining their behavior and undermining diversity. The first three talks focus on masculine cultures, highlighting their negative consequences not only for women but also men who deviate from traditional gender roles or who belong to racial or sexual minorities. The first talk (Ward) explores the backlash faced by male employees who violate traditional gender norms in male-typed workplaces. The second talk (Plückelmann) discusses how emphasizing masculine norms discourages women from applying for leadership positions. The third talk (Spielmann) explores how masculinity workplace norms shape status perceptions across gender, race, and sexual orientation, and how this translates into reduced organizational attraction among socially disadvantaged groups. The last two talks focus on the impact of gender-inclusive and feminine workplace cultures. The fourth talk (Nater) discusses how inclusive (vs. competitive) norms positively impact leadership behaviors and career aspirations for both men and women. The fifth talk (Beneda) outlines the characteristics of underexplored feminine workplace cultures, introduces an instrument to measure them, and discusses effects on relevant psychological outcomes. Collectively, the five talks highlight how gendered workplace cultures might negatively impact all employees by restricting their behavior and how they foster gender segregation. Examining Backlash Against Fathers Taking Parental Leave in Male-Dominated Workplaces Author: Joseph Ward; Dublin City University Author: Janine Bosak; Dublin City University Do Women (More Than Men) Hesitate to Apply for Leader Roles Unless They Meet All Job Requirements? Author: Clara Plückelmann; Stockholm University Author: Christa Nater; University of Bern Author: Sabine Sczesny; University of Bern Masculinity Contest Culture and the Status Divide:How Work Norms Shape Marginalized Groups’ Interest Author: Julia Spielmann; New York University Abu Dhabi Author: Andrea C. Vial; New York University Abu Dhabi How Gender-Inclusive Workplace Norms Free Women—and Men—From Masculine Defaults Author: Christa Nater; University of Bern Author: Jacklyn Koyama; University of Toronto Author: William Hall; The University of British Columbia Author: Emily Cyr; York University Author: Toni Schmader; The University of British Columbia Toward a Theory of Femininity Workplace Culture: Conceptualization and Scale Development Author: Marta Beneda; New York University Abu Dhabi Author: Andrea C. Vial; New York University Abu Dhabi
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,017 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».