MétaCan
Menu
Retour à la cohorte
Enregistrement W2506634911 · doi:10.1075/dapsac.45.13adv

Constructing masculine work identity through narrative

2011· book-chapter· en· W2506634911 sur OpenAlexaboutno aff
Stella Advani

Notice bibliographique

RevueDiscourse approaches to politics, society and culture · 2011
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNegotiationNarrativeIdentity (music)Construct (python library)Gender studiesNarrative inquirySociologyWork (physics)MasculinityPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

This study extends the literature on gender, language, and the professions by examining the language practices of two participants from the communities of practice (Eckert & McConnell-Ginet 1992; Lave & Wenger 1991) of physicians in emergency medicine departments in the French-speaking province of Quebec, where the percentage of women who are becoming medical doctors is the highest it has ever been – higher than in other Canadian provinces, higher than the national average, and still growing (Kondro 2007). I argue that the growing number of women in this male dominated profession strongly depends on their success in adapting themselves and their lifestyles to an institutional structure that accommodates men and the lifestyles of men. The following study analyzes transcript data from two interviews with a male and a female physician. The research questions being pursued in the analysis are the following: How do these physicians discursively construct and negotiate their professional identity(ies)? What roles do gender and status play in their negotiation of these identities? The findings show that participants’ use of positioning (Davies & Harré 1990; Eckert & McConnell-Ginet 2003) and narrative contribute to the construction of this community of practice as relatively masculine and may point to one of the reasons women continue to be underrepresented in this profession.

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)0,005
score de la tête « metaresearch » (Gemma)0,004
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: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,026
Communication savante0,0100,008
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,232
Tête enseignante GPT0,407
Écart entre enseignants0,175 · 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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscourse approaches to politics, society and cultureMême sujetInterpreting and Communication in HealthcareTravaux en français237 207