Making a Scientist: Discursive "Doing" of Identity and Self-Presentation During Research Interviews
Notice bibliographique
Résumé
Participating in an interview is taking part in an activity system that is often very different from the daily lives of most individuals. Grounding ourselves in an activity theoretic perspective, we regard the interview event and who or what these agents become during that process as an outcome of the activity of "doing interviews." In contrast to the modern concept of identity, a stable and characteristic feature of an individual, we understand identity as arising from social interactions—identity and activity are said to be in a dialectical relationship. Interviews are thus occasions whereby identity and issues of self-presentation have to be managed by agents primarily through discourse processes. By further regarding interviews as "topic" in this article we make salient their co-constructive nature qua social interaction rather than as a neutral data gathering tool. Our case study of an interview with a renowned environmental scientist demonstrates how identity and issues of self-presentation were discursively played out using the concepts of "stake" and "footing." It was found that our participant came to be a full-fledged member of the scientific community with traits typically ascribed to scientists such as expertise, objectivity, passion and disinterestedness. This discursive "doing" of identity and self-presentation during research interviews is a pervasive effect and cautions practitioners against treating interviews as an unproblematic methodology. URN: urn:nbn:de:0114-fqs0401123
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 | 0,129 | 0,155 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,016 | 0,047 |
| Communication savante | 0,013 | 0,013 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».