MétaCan
Menu
Retour à la cohorte
Enregistrement W2463499564 · doi:10.1177/0730888416656031

Helping Without Caring

2016· article· en· W2463499564 sur OpenAlexaff
Francesca Polletta, Zaibu Tufail

Notice bibliographique

RevueWork and Occupations · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEmotional Labor in Professions
Établissements canadiensCanadian Institute for Advanced Research
Organismes subventionnairesnon disponible
Mots-clésFeelingEmotional laborOptimismSocial psychologyPsychologySettlement (finance)DebtAngerBusiness

Résumé

récupéré en direct d'OpenAlex

Research on emotional labor has shown that workers who are required to feign emotions are more likely to suffer ill effects than those who are able to deep act their emotions. The authors argue that what may stand between surface and deep acting is workers’ ability to claim the kind of socially valued role that makes their enactment of emotional display rules seem consistent with that role. The authors draw on observations and interviews with workers in the debt settlement industry to show that men who were agents were able to claim that they were educating clients rather than selling to them. This made it possible for them to avoid feeling that they were taking advantage of customers who might have been better off without the service they sold them. Men were able to help clients in a way that did not conflict with their role as salespeople. Women agents, by contrast, were not able to style themselves educators. Instead, clients and employers expected them to adopt a therapeutic role with their clients. However, this role conflicted sharply with the expectation that agents be effective salespeople and forced women agents to feign feelings of care and optimism. Clients, coworkers, and employers, the authors show, shaped workers’ freedom to define their emotional labor in satisfying ways.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0090,011
Communication savante0,0050,005
Science ouverte0,0010,008
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0250,008

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 Opus0,036
Tête enseignante GPT0,350
Écart entre enseignants0,314 · 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

Citations17
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWork and OccupationsMême sujetEmotional Labor in ProfessionsTravaux en français237 207