MétaCan
Menu
Retour à la cohorte
Enregistrement W2760371630 · doi:10.1177/0001839217733972

From Synchronizing to Harmonizing: The Process of Authenticating Multiple Work Identities

2017· article· en· W2760371630 sur OpenAlexaff
Brianna Barker Caza, Sherry E. Moss, Heather C. Vough

Notice bibliographique

RevueAdministrative Science Quarterly · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPluralIdentity (music)Work (physics)Process (computing)SociologyConsistency (knowledge bases)FeelingSocial psychologyAuthentication (law)Cognitive reframingPsychologyComputer scienceComputer securityAesthetics

Résumé

récupéré en direct d'OpenAlex

To understand how people cultivate and sustain authenticity in multiple, often shifting, work roles, we analyze qualitative data gathered over five years from a sample of 48 plural careerists—people who choose to simultaneously hold and identify with multiple jobs. We find that people with multiple work identities struggle with being, feeling, and seeming authentic both to their contextualized work roles and to their broader work selves. Further, practices developed to cope with these struggles change over time, suggesting a two-phase emergent process of authentication in which people first synchronize their individual work role identities and then progress toward harmonizing a more general work self. This study challenges the notion that consistency is the core of authenticity, demonstrating that for people with multiple valued identities, authenticity is not about being true to one identity across time and contexts, but instead involves creating and holding cognitive and social space for several true versions of oneself that may change over time. It suggests that authentication is the emergent, socially constructed process of both determining who one is and helping others see who one is.

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)0,030
score de la tête « metaresearch » (Gemma)0,063
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 enseignants0,030
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,063
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0120,026
Communication savante0,0110,015
Science ouverte0,0020,021
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,217
Tête enseignante GPT0,395
Écart entre enseignants0,178 · 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

Citations234
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdministrative Science QuarterlyMême sujetGender Diversity and InequalityTravaux en français237 207