Threat Convergence: The New Academic Work, Bullying, Mobbing and Freedom
Notice bibliographique
Résumé
The convergence of the casualization, fragmentation, intensification, segmentation, shifting and creep of academic work with the post-9/11 gentrificaton of criticism and dissent is a serious threat to academic freedom. Academic stress— manifested as burnout through amalgamation and creep of work, and as distress through bullying, mobbing and victimization— underwrites increases in leaves of absence. Non-tenure track faculty are hit particularly hard, indicating “contingency or the precariousness of their position” as relentless stressors. This is not exactly a SWOT analysis, where Strengths, Weaknesses, Opportunities and Threats are given due treatment. Rather, the focus is on this threat convergence as it resolves through historic displacements of the academic workplace and work. To what degree are the new policies for academic speech inscribed in academic work, regardless of where it’s done? As the academic workplace is increasingly displaced and distributed, are academic policies displaced and distributed as well? Observed at work, monitored at home and tracked in between—these are not so much choices as the cold reality of 21st century academic work.
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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,019 | 0,067 |
| Communication savante | 0,022 | 0,020 |
| Science ouverte | 0,002 | 0,026 |
| Intégrité de la recherche | 0,003 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».