MétaCan
Menu
Retour à la cohorte
Enregistrement W2332121612 · doi:10.1177/1350507616629602

Voiced inner dialogue as relational reflection-on-action: The case of middle managers in health care

2016· article· en· W2332121612 sur OpenAlexaff
Judith A. Holton, Gina Grandy

Notice bibliographique

RevueManagement Learning · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensUniversity of ReginaMount Allison University
Organismes subventionnairesnon disponible
Mots-clésReflexivityDialogicInterpersonal communicationContext (archaeology)SilenceAction (physics)ConversationSociologyPsychologyNarrativeDialogical selfSocial psychologyPublic relationsPedagogyAestheticsCommunicationPolitical scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

We look to the experiences of middle managers in a health-care setting to empirically develop and explore the concept of voiced inner dialogue. Voiced inner dialogue is conceptualised as a form of reflection-on-action whereby fragments of narrative self-reflection reveal an organisation’s unspoken backdrop conversation or interpersonal mush. The normalised intensity that characterises many health-care settings, an artefact of increased governmentality and responsibilisation, leaves middle managers experiencing increased work and personal pressures. The interpersonal mush in this context is centred upon individuals’ felt disconnect between espoused and enacted organisational values. Voiced inner dialogue was triggered in dialogic conversation with the researchers, a type of participant-focused reflexivity. From our qualitative analysis, we present three themes to illuminate how organisational context can inform the creation and maintenance of interpersonal mush, impeding managers’ reflection. Voiced inner dialogue offers an opportunity for managers stuck in the silence of interpersonal mush to engage in reflection-on-action. We conclude with the implications for reflection, reflexivity and management learning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,023
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,031
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0230,038
Communication savante0,0160,013
Science ouverte0,0030,020
Intégrité de la recherche0,0060,009
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,267
Écart entre enseignants0,228 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement LearningMême sujetManagement and Organizational StudiesTravaux en français237 207