MétaCan
Menu
Retour à la cohorte
Enregistrement W2766100830 · doi:10.5465/ambpp.2017.12168abstract

Biographical Opportunities: How Entrepreneurship Creates Pride in Alterity in Stigmatized Fields

2017· article· en· W2766100830 sur OpenAlexaff
Trish Ruebottom, Madeline Toubiana

Notice bibliographique

RevueAcademy of Management Proceedings · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Feminism, and Media
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésPrideAlterityEntrepreneurshipSociologyFeelingSolidaritySocial psychologyGender studiesPsychologyPolitical scienceEpistemologyPolitics

Résumé

récupéré en direct d'OpenAlex

In this paper we explore the role entrepreneurship plays in influencing the shame of stigmatized work and its impact on actors’ institutional biographies. We do this through an inductive, qualitative study of female and transgender entrepreneurs operating in the sex trade. Our findings reveal that entrepreneurship created biographical opportunities that allowed for the construction of pride in alterity: a process of viewing the distinctiveness or “otherness” of one’s biography as a value rather than a constraint. Pride in alterity shielded these individuals from feeling shamed by stigma associated with the field. Two distinct biographical opportunities allowed for the creation of pride in alterity: altering social position, by positioning as expert and in control; and building relational ties, the creation of supportive and intimate connections. Despite these opportunities, we found that the type of social change involved in the entrepreneurial efforts was an important source of variance. While some of the entrepreneurs were focused on changing how the world perceived sex work, other entrepreneurs were focused on changes to the practices in the field. Our analysis revealed that a focus on macro or micro social change lead to differences in the ways the entrepreneurs used biographical opportunities, and ultimately revealed constraints on the pride they were able to create.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,009
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,024
Communication savante0,0080,007
Science ouverte0,0010,010
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,111
Tête enseignante GPT0,340
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetGender, Feminism, and MediaTravaux en français237 207