Managing spoiled identities: dirty workers' struggles for a favourable sense of self
Notice bibliographique
Résumé
Purpose The purpose of this paper is to explore how a group of dirty workers, that is, exotic dancers employed in a gentlemen's club, engage in identity construction amidst various macro, meso and micro considerations. Design/methodology/approach This study adopts a social constructivist approach in exploring the stories of a group of 21 dancers employed at a chain of exotic dancing clubs in the UK, For Your Eyes Only. Findings Identity construction is a complex process whereby dancers struggle to secure a positive sense of self among the various resources they encounter. The findings focus upon the processes of distancing through projecting disgust upon clients, other dancers and other clubs. Dancers do this to minimize the stigma associated with their own identities and position themselves in a more favourable light to others. In doing this, dancers construct a variety of identity roles for themselves and “others.” This process of distancing also results in the construction of a hierarchy of stigmatization whereby dancers categorize motivations for dancing, type of dancing and type of clubs to rationalize the work they perform and manage their spoiled identities. Practical implications The stories of these dancers illustrate the messy nature of identity construction for dirty workers. In turn, it also illuminates how a better understanding of the complexity of identity construction for exotic dancers can offer insights transferable to other dirty work occupations and organizations in general. Originality/value The paper provides an indepth look at an occupational site that is relatively unexplored in organization studies and thus makes a unique empirical contribution. It also offers a more comprehensive theoretical lens for understanding identity construction and dirty workers.
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 | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,022 | 0,037 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,002 | 0,019 |
| Intégrité de la recherche | 0,003 | 0,007 |
| 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 ».