Exploring How Women on Corporate Boards Cope With Gender Bias
Notice bibliographique
Résumé
Gender bias may cause organizations to lose the values that women bring to the workplace in leadership positions and may thwart women from reaching their personal goals. The purpose of this qualitative descriptive multiple case study was to explore gender bias and its influence on women on corporate boards, their roles, appointment, and the need to develop coping strategies to deal with gender bias to execute their roles. The conceptual lens used was Tajfel and Turner's social identity theory to explain the basis for intergroup discrimination, and Eagly and Karau's role congruity theory of prejudice to explain the exclusion of women from corporate boards as a result of gender bias. The research question focused on identifying gender bias and experiences of women on a corporate board. Social media and snowball sampling were used to recruit 6 English-speaking women on corporate boards who had experienced gender bias at the time of their appointment and in their roles on corporate boards in the public and private sectors in provinces and territories throughout Canada. Data sources included interviews, journaling, and analysis of physical artifacts such as government reports and databases of women on corporate boards. Using Yin's 5 phases of analysis, the study identified 7 emergent themes in the data sources: discrimination, harassment, organizational climate, well-being, disruption, empowerment, and leading. The study's potential for positive social change resides within its potential to promote the internal transformation of women as they deal with bias. Men also need an improved understanding of their perceptions of women in the governance structures of society to help reduce gender bias toward women.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».