На результатах всероссийского опроса «Перспективы инклюзивного трудоустройства в российских компаниях и факторы, влияющие на управление многообразием в контексте глобальных вызовов» (2021 г.) в статье показывается, как размер компании влияет на формирование организационной инклюзивной культуры. Рассматривается соответствие национальным нормам наличия инфраструктурных условий для работы сотрудников с ограниченными возможностями здоровья (СсОВЗ), а также собственные инклюзивные нормы и практики в отношении СсОВЗ. Для проверки связи между категориальными переменными — размером компании и параметрами, отражающими инклюзивную организационную культуру, — использовался критерий хи-квадрат. Итоговые профили компаний, сформированные на основании показателей наличия условий для трудоустройства и работы для СсОВЗ, выделялись с помощью методов, используемых для поиска аномалий. Результаты анализа показали, что крупные компании с большей вероятностью будут поддерживать инклюзивные нормы и практики — обеспечивать организационные условия для работы СсОВЗ, доступную среду в офисе, отслеживать показатели найма и развития их карьеры. Кроме того, с большей вероятностью в крупной компании будут присутствовать СсОВЗ. Малые компании поддерживают инклюзивные практики неформально, за счет более тесных связей между сотрудниками и толерантного отношения к СсОВЗ. Это также демонстрирует потенциальное формирование инклюзивной культуры именно в малых компаниях. Компании среднего размера в меньшей степени реализуют меры инклюзивного трудоустройства и в то же время не готовы реализовывать их неформально. То есть в компаниях среднего размера предпосылок для развития инклюзивной организационной культуры меньше, чем в крупных и малых. Общий уровень поддержки инклюзивных практик остается достаточно низким, из-за чего наиболее инклюзивные из них, которые мы отнесли к аномальным, незаметны на общем фоне. Такие компании также имеют тенденцию считать приоритетным формальное выполнение нормативных требований по трудоустройству людей с инвалидностью и потому не становятся драйверами распространения инклюзивной организационной культуры. Благодарность. Публикация подготовлена в рамках гранта, предоставленного Министерством науки и высшего образования Российской Федерации (№ соглашения о предоставлении гранта: 075-15-2022-325). Авторы выражают искреннюю признательность Кристиану Фрёлиху за значимый вклад в подготовку данной статьи.
Пропущенные данные в социологических исследованиях могут быть связаны с различными причинами, и в данной статье рассматриваются те из них, что появляются в результате незнания, нежелания или затруднения с поиском ответа на отдельные вопросы анкеты у респондента, — частичные неответы (item nonresponse). Остро стоит вопрос о предсказании частичных неответов, решение которого позволило бы сократить вероятность появления пропусков в собираемых данных. В статье показано, как возникновение частичного неответа можно прогнозировать с помощью современных методов текст-майнинга и машинного обучения на примере данных Европейского социального исследования (European Social Survey) по Великобритании. Для решения поставленной задачи использовался метод наивного байесовского классификатора (Naive Bayes Classifier) — популярный метод предсказания класса зависимой переменной на основе текстовых данных. С опорой на научную литературу показываем, как работает этот метод. Мы подготовили базу данных, объединяющую полные формулировки вопросов, ответов, инструкций и результатов опросов исследования European Social Survey по Великобритании. Нами показано, как отдельные модели для предсказания появления частичных неответов были обучены с помощью метода наивного байесовского классификатора на основе частот слов и метрики важности слов TF-IDF, процессу расчета которых мы также приводим подробное описание. Каждая из моделей предсказания частичного неответа оценивалась нами с точки зрения частоты возникновения ошибок при получении прогнозов с их помощью. Мы получили списки слов, наличие в вопросах которых статистически чаще сопровождается или не сопровождается частичными неответами. Наши результаты показали, что респонденты менее охотно отвечают на сенситивные вопросы, а некоторые слова, имеющие отношение к процедуре получения ответа на вопрос, статистически чаще пропускаются респондентами.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.