What we can learn from de-valued and marginalised work/research
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to reflect on how QROM has become an outlet that gives voice to de-valued and marginalised work/research and those who undertake it. The authors present an overview of the research published in the journal over the past ten years that has provided rich accounts of hidden and marginalised groups and experiences. The authors also summarise the unique contributions of the research covered in the special issue the authors co-edited on doing dirty research using qualitative methodologies: lesson from stigmatized occupations (volume 9, issue 3). Design/methodology/approach – The authors adopt a literature review approach identifying key pieces covered in QROM that surface various forms of qualitative methods employed to illuminate the everyday practices of “Other” occupations, individuals and groups; experiences situated outside of the mainstream and often hidden, devalued and stigmatised as a result. Findings – The authors conclude that the articles published in QROM have demonstrated that in-context understandings are critically important. Such studies offer insights that are both unique and transferable to other settings. A number of invisible or hidden issues come to light in studying marginalised work/ers such as: the hidden texts, ambiguities and ambivalence which mark the experiences of those marginalised; that stigmatised work/research is embodied, emotional and reflexive; and, that expectations of reciprocity and insider-outsider complexities make the research experience rich, but sometimes uncomfortable. Originality/value – The authors review the research published in QROM over the past ten years that contributes to understandings of work, research and experiences of those who are often de-valued, silenced and marginalised in mainstream business and management studies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».