MétaCan
Menu
Retour à la cohorte
Enregistrement W6962937210 · doi:10.17605/osf.io/tmhn3

Understanding Student Perceptions of the Characteristics of Men, Women and Managers

2018· other· en· W6962937210 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Science Framework · 2018
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerceptionStereotype (UML)Stereotype threatEducational attainmentWork (physics)Work experience

Résumé

récupéré en direct d'OpenAlex

The purpose of the study is to replicate and extend prior work by Virginia Schein with respect to gender stereotypes of managers. Since the 1970’s numerous studies have confirmed that students and workers hold the stereotype that successful managers have more male characteristics versus female characteristics. Recent research has suggested that these stereotypes are weakening for women but not for men. Despite the large number of studies, only one has been conducted in Canada and this was over 20 years ago (Orser, 1994). Therefore the main purpose is to assess student stereotypes of managers as they relate to gender. We will also explore moderators of these stereotypes such as: participant gender, major, income and work status/history of parents and educational attainment of parents. A second purpose of the study is to assess the impact of insufficient effort responding on the pattern of results discussed above. Researchers have become increasingly worried about this issue with on-line surveys as these are typically completed in an environment chosen by participants (i.e. at home, work, library, etc.). As a result participants may be unmotivated to respond to each question carefully, may respond to each question while engaged in other activities (e.g. multi-tasking), or may simply respond in a manner that presents them in a positive way. Therefore, the research questions are: do Canadian students hold similar gender stereotypes for managers as in other countries? To what extent does work, participant gender, income and work status/history of parents, major (primarily Psychology and Business), and educational attainment of parents moderate these stereotypes? Finally, we are also interested in the rate of insufficient effort responding and how it affects the psychometric characteristics of the stereotype measure and the relationships in the prior research questions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil0,393

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0040,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,356
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkTravaux en français237 207