Zebras showing their stripes: a critical sense-making study of women CSR leaders
Notice bibliographique
Résumé
Purpose The purpose of this research is to reveal the gendered nature of social arrangements in order to bring to the surface the hidden discourses that mediate the opportunities of women leaders in the field of corporate social responsibility (CSR) and sustainability. Design/methodology/approach The author uses critical sense-making (CSM) to analyze interviews with CSR leaders toward understanding the interconnected layers of influences they draw from as they make sense of their experiences. Findings Despite the positioning of women as being untapped resources within CSR, the reality within CSR leadership indicates that resilient, stereotypical social constructions of gender are being (re)created. However, cues can disrupt the ongoing process of sense-making and create shocks that represent opportunities for resistance as discriminatory practices are revealed. Research limitations/implications Applying CSM as a methodology and to the field of CSR adds a component to CSR and gender scholarship that is currently missing. CSM as a methodology bridges broader sociocultural discourses and the local site of sense-making, making visible the structures and processes that enable some narratives to become legitimized by the formative context and protect the status quo. Social implications If these leaders are able to use their discursive power to establish an alternate, dominant narrative throughout their organizations – a culture of emotional empathy within CSR – alternate meanings about the nature and purpose of CSR may emerge while highlighting the need for change. Originality/value Applying CSM as a methodology and to the field of CSR adds a component to CSR and gender scholarship that is currently missing. CSM as a methodology bridges broader sociocultural discourses and the local site of sense-making, making visible the structures and processes that enable some narratives to become legitimized by the formative context and protect the status quo.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,020 | 0,026 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».