IS RESEARCH PERSPECTIVES ARTICLE A Re-Examination of Racioethnic Imbalance of IS Doctorates: Changing the Face of the IS Classroom∗
Notice bibliographique
Résumé
There is an extremely low percentage of minority faculty in the IS field. This global trend is highly conspicuous-- a minority of blacks compared to a majority of white academics in England, a minority of Aborigines compared to a majority of white academics in Australia, a minority of blacks compared to a majority of white academics in Canada, and for the purpose of our study, a minority of Native American, Hispanic American, and African American academics compared to a majority of white academics in the United States. Between 1995-2000, not only do AACSB reports indicate a continuous decline in minority business doctorates, but the accreditation body reports that the IS discipline shows a significant under-representation of minority faculty. In this study, we argue that mentoring under-represented groups in the discipline offers the field a myriad of avenues to change the “face ” of the classroom and reduce this gap. We examine the absence of racioethnicity and mentoring in the IS field and offer lessons learned from The Ph.D. Project Model for engendering change and mentoring within the IS community. Using data from a six-year period, we discuss diversity issues, lessons learned, and recommendations from mentoring a group of under-represented IS doctoral students.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,011 | 0,006 |
| Communication savante | 0,016 | 0,007 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,038 | 0,002 |
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 ».