Managing Identities Across Time: The Influence of Past, Present, and Future Identities on the Self
Notice bibliographique
Résumé
Identities, defined as the answer to “Who am I?” (Ashforth, Harrison, & Corley, 2008), evolve in response to situational changes and proactive efforts to manage the self (Alvesson & Willmott, 2002; Sveningsson & Alvesson, 2003). Recognition of such temporality has led scholars to increasingly examine ways that past, current, and future identities might influence each other and individuals' behaviors within organizations (e.g., Eury, Kreiner, Treviño, & Gioia, 2018; Obodaru, 2017; Schabram & Maitlis, 2017; Strauss, Griffin, & Parker, 2012; Wittman, 2018). In this sense, who we are today is influenced by how we manage who we were in the past and who we would like to become. In this symposium, we explore ways that past, present, and future identities impact the self and individuals' behaviors in organizations. In doing so, we acknowledge that identities are not static and instead, are subject to influences from the past and future. This symposium provides novel insights regarding the evolvement of identities in organizations. We know relatively little about how multiple identities across different temporal domains interact to inform one’s overall vision of the self. The selection of presentations included in this symposium provide varying perspectives on ways that past, present, and future identities interact. Further, they incorporate a variety of methodological approaches (grounded theory, action research, repeated measures), including one theory presentation. We hope that this symposium will expand attendees’ understanding of identity development processes, particularly ways that identities across different temporal domains interact. Permeable Boundaries: Pre-Retirement Work Identities that Linger and Adapt Post-Retirement Presenter: Bethany Cockburn; Northern Illinois U. Identity-Shaping Systems and Emergent Worker Identities Presenter: Glen E. Kreiner; Pennsylvania State U. Presenter: Christine Anna Mihelcic; Penn State Smeal College of Business Presenter: Tiffany Dawn Johnson; Georgia Institute of Technology Who Will I Become? Presenter: Gabby Cunningham; U. of Oxford Presenter: Jeffrey Bednar; Brigham Young U. Longitudinal Leadership Transitions: Seeing Myself as a Leader (Or Not) Presenter: Christina Hymer; Darla Moore School of Business, U. of South Carolina Presenter: M Audrey Korsgaard; U. of South Carolina Presenter: Paul Bliese; Darla Moore School of Business, U. of South Carolina
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».