Emotion management and stereotypes about emotions among male nurses: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: Nursing requires a high load of emotional labour. The link between nursing, emotional labour and the female sex, complicates the figure of the male nurse, because masculinity is associated with physical or technical (rather than emotional) and moreover is defined in contrast to femininity. Our objective was to understand how emotion management is described by male nurses who work in the paediatrics department of a Spanish tertiary hospital. METHODS: Qualitative descriptive study. The participants were selected through intentional sampling in the paediatrics department of a Spanish tertiary hospital. We conducted semi-structured interviews until reaching data saturation. We carried out a content analysis, using Lincoln and Guba's definition of scientific rigour. RESULTS: We identified two key themes in the data: 1) Stereotypes related to the emotional aspects of care: Participants took for granted some gender stereotypes while questioning others and defended alternative ways of managing emotions related to care. 2) Emotion management strategies: Participants described keeping an emotional distance, setting boundaries, relativising problems and using distraction and humour. DISCUSSION: Nursing care is conditioned by gender roles and stereotypes that present men as less capable than women of feeling and managing emotions. However, emotion management is necessary in nursing care-especially in paediatrics-and our participants reported using strategies for it. Although participants continued to interpret care in terms of traditional roles, they contradicted them in adapting to the emotional labour that their job requires. CONCLUSIONS: New behaviours are emerging among male nurses, in which care and emotion management are not exclusively the purview of women. Our participants reproduced some gender stereotypes while disrupting others, and they tended to cling to the stereotypes that were favourable to them as male nurses. As we work towards a gender-neutral profession, these results represent a first step: male participants reported that they provide care and manage their emotions as well as (or better than) women. However, because they substantiated their claims by drawing on negative stereotypes of women, further progress must be made.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».