MétaCan
Menu
Retour à la cohorte
Enregistrement W2886632715 · doi:10.1002/job.2318

Identity work in organizations and occupations: Definitions, theories, and pathways forward

2018· article· en· W2886632715 sur OpenAlexafffund
Brianna Barker Caza, Heather C. Vough, Harshad Girish Puranik

Notice bibliographique

RevueJournal of Organizational Behavior · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesUniversity of ManitobaUniversity of Cincinnati
Mots-clésIdentity (music)EpistemologySociologyWork (physics)Field (mathematics)Conceptual frameworkEngineering ethicsPsychologySocial scienceAesthetics

Résumé

récupéré en direct d'OpenAlex

Summary Understanding how, why, and when individuals create particular self‐meanings has preoccupied scholars for decades, leading to an explosion of research on identity work. We conducted a wide‐ranging review of this literature with the aim of presenting an overarching framework that comprehensively summarizes and integrates the vast amount of recent research in this domain. Drawing on our analysis of the empirical literature, we present an enhanced conceptual understanding of identity work. We then summarize the four dominant theoretical approaches researchers have used to explain how, when, and why individuals engage in identity work. This side‐by‐side comparison of these theoretical perspectives allows us to parse out the unique contribution of each theoretical lens and highlights how these theories can be integrated into a holistic view of an inherently multifaceted concept. Lastly, we critically analyze the state of the field and lay a detailed roadmap for future researchers to draw from to expand our current understanding of how individuals work on their identities in occupations and organizations.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,006
Études des sciences et des technologies0,0020,013
Communication savante0,0100,010
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,022
Tête enseignante GPT0,237
Écart entre enseignants0,214 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations319
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Organizational BehaviorMême sujetManagement and Organizational StudiesTravaux en français237 207