MétaCan
Menu
Retour à la cohorte
Enregistrement W2117582807 · doi:10.1017/s0144686x06005605

Intersections of age and masculinities in the information technology industry

2007· article· en· W2117582807 sur OpenAlexafffundabout
Tammy Duerden Comeau, Candace L. Kemp

Notice bibliographique

RevueAgeing and Society · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensWestern University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMasculinityGender studiesStereotype (UML)Context (archaeology)WorkforceSociologyWork (physics)PerceptionSocial psychologyPsychologyPolitical scienceEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

This paper explores the intersections of age and masculinities in small information technology (IT) firms in Canada. The IT workforce, although demographically young, does not entirely comprise younger workers but is dominated by men and is ageing. Despite the infamous ‘nerd’ stereotype of IT workers and its associations with immature age and masculinity, perceptions of age and ageing in the industry have not been considered in the context of masculinities. To what extent are conceptualisations of IT work shaped by notions of age and masculinities? How do perceptions of age and masculinities correspond to occupational trajectories and responsibilities in IT work settings? To address these questions, this paper reports an analysis of qualitative semi-structured interviews with 76 employees of small IT firms in Canada. The findings indicate that the dominant frameworks for describing the nature of IT work are metaphors and analogies with sports, the military, entrepreneurial drive and craftsmanship. This paper focuses on the allusions to sport, war and ‘being driven’, and argues that the discursive ties to these masculine arenas normalise, or make ‘natural’, the affiliation of youthfulness and technical ability. The corresponding intersections between age and masculinity suggest that older workers are marginalised in small IT firms.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,208
Score d'incertitude au seuil0,106

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,275
Écart entre enseignants0,260 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations31
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAgeing and SocietyMême sujetDigital Games and MediaTravaux en français237 207