MétaCan
Menu
Retour à la cohorte
Enregistrement W4224929701 · doi:10.1002/hrm.22118

Representative‐negotiated <i>i</i><scp>‐deals</scp> for people with disabilities

2022· article· en· W4224929701 sur OpenAlexafffund
Jennifer Ho, Silvia Bonaccio, Catherine E. Connelly, Ian R. Gellatly

Notice bibliographique

RevueHuman Resource Management · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisability Education and Employment
Établissements canadiensUniversity of AlbertaUniversity of OttawaMcMaster University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésNegotiationProcess (computing)Work (physics)Face (sociological concept)Public relationsFocus (optics)BusinessPsychologyMarketingPolitical scienceSociologyComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Although substantial research has been devoted to describing the challenges people with disabilities face in the workplace, much less attention has been focused on the processes that can bring about change. This article explores a proactive process, representative‐negotiated idiosyncratic work arrangements ( i‐ deals), that can create the conditions for long‐term employment for people with disabilities. Specifically, we explored the factors associated with the development and success of representative‐negotiated i‐ deals for people with disabilities. Using focus groups and interviews with employers and job developers, we identified nine factors and two prevailing conditions that explain the contexts in which representative‐negotiated i ‐deals will be successful. In doing so, we identified the negotiation stage during which these factors and prevailing conditions influence the i‐ deals negotiation process. Representative‐negotiated i‐ deals offer insights into how employees with disabilities can find more meaningful work. Together, these findings underscore how the representative i ‐deals negotiation process is only viable if the facilitating factors are present and supported, while the absence of these factors can hinder and lead to failure.

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)0,010
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 seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,004
Communication savante0,0040,004
Science ouverte0,0010,008
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,336
Écart entre enseignants0,290 · 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

Citations11
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHuman Resource ManagementMême sujetDisability Education and EmploymentTravaux en français237 207