MétaCan
Menu
Retour à la cohorte
Enregistrement W2117517883 · doi:10.1177/1049732308322604

Gauging Visibility: How Female Clerical Workers Manage Work-Related Distress

2008· article· en· W2117517883 sur OpenAlexaff
Bonita C. Long, Wendy A. Hall, Nicole Bermbach, Sharalyn Jordan, Kathryn Patterson

Notice bibliographique

RevueQualitative Health Research · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEmotional Labor in Professions
Établissements canadiensVancouver Coastal HealthUniversity of VictoriaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésVisibilityDistressFlourishingVulnerability (computing)Work (physics)Affect (linguistics)Social psychologyPsychologyPublic relationsGrounded theorySociologyQualitative researchPolitical scienceEngineeringComputer securityClinical psychologyComputer scienceGeographyCommunication

Résumé

récupéré en direct d'OpenAlex

Our aim was to explain how female clerical workers manage work-related distress, using a feminist grounded theory method. Thirty-seven interviews were conducted with 24 female clerical workers. They engage in the process of gauging visibility to manage a recognition-vulnerability paradox. To gauge visibility, they take the lay of the land by attending to threats, resources, and supports within withering or flourishing work conditions. When distressing events occur, they select tactics of taking it in, taking it on, or letting it go, which are influenced by the quality of their work conditions. Their efforts to manage distress affect their workplace visibility, potentially enhancing their recognition or exacerbating their vulnerability. Gauging visibility can either diminish or enhance employees' health and well-being. Our findings emphasize social processes and structural conditions, shift attention to organization-wide efforts to alter workplace conditions, and suggest initiatives that enhance employees' opportunities for recognition, safety, and collective actions.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,193
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0210,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0050,003
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,591
Tête enseignante GPT0,624
Écart entre enseignants0,032 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetEmotional Labor in ProfessionsTravaux en français237 207