Achieving Disability Inclusion: Pitfalls, Policy and Practice
Notice bibliographique
Résumé
To improve the disability gap, it is crucial to address a number of different questions. What is preventing organizations from translating their inclusivity goals into action? What are the consequences of different ways of thinking or speaking about disability for disabled professionals? What challenges are people with disabilities facing at work and how can these be most effectively tackled? This symposium assembles four teams of scholars addressing these questions with qualitative, experimental and macro level data. Disability Accommodations: Disabled Prospective Employee Responses to Organizational Messaging Author: Julia A. Langdon; ESMT - European School of Management and Technology - Berlin Author: Oriane Georgeac; Boston University Author: Aneeta Rattan; London Business School Tell and Show: Disclosing an Invisible Disability at Work Author: Niki Den Nieuwenboer; University of Kansas Author: Kristina Tirol-Carmody; Indiana University Author: Linda Klebe Trevino; The Pennsylvania State University The Mind-body Divide Affects the Perceived Legitimacy of Workplace Discrimination Author: Chloe Kovacheff; University of Toronto Author: Katherine Ann DeCelles; University of Toronto Author: George Newman; University of Toronto Understanding Disability-job Fit at an Occupational Level Author: Felix Wu; Author: Victoria Toskulwong Udomsirirat; Florida International University Author: David J. G. Dwertmann; Rutgers University Author: Frederick L. Oswald; Rice University
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 | 0,157 | 0,185 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,027 | 0,081 |
| Communication savante | 0,043 | 0,051 |
| Science ouverte | 0,008 | 0,061 |
| Intégrité de la recherche | 0,023 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».