Feminist futures in gender-in-leadership research: self-reflexive approximations to intersectional situatedness
Notice bibliographique
Résumé
Purpose This paper introduces intersectional situatedness to develop inclusive analyses of leadership. Intersectional situatedness recognises the contextual and situated nature of experiences and their interaction with socially constructed categories of difference. Design/methodology/approach The paper draws on memory work by three feminist academics who situate their understandings and experiences of leadership as part of socio-historical contexts. Findings Understandings and experiences of leadership are multifaceted and benefit from being examined in their intersectional situatedness. This way, the simultaneity of visible and invisible disadvantage and privilege, which accumulate, shift and get reconfigured across the life course and are based on particular intersectional identity invocations, can be integrated into narratives about leadership. Research limitations/implications Interrogating gender-in-leadership adopting an intersectional situatedness helps to advance the field by embedding the recognition, problematisation and theorisation of situated difference as critical to understand leadership, its meaning and its practice in management and organisations. Practical implications In embedding intersectional situatedness in the analysis of leadership, more inclusive understandings of leadership are qualified that recognise differences positively and support changing the narratives around the meaning of “leader” and “good leadership”. Social implications Intersectional situatedness helps to identify tangible ways to see how inequalities impact women’s career progression to leadership and enable more nuanced conversations about privilege and disadvantage to advance feminist social justice agendas. Originality/value The paper reveals the narrow and restricted understandings of leadership and how this influences who is regarded as a legitimate leader. In addition, it adopts a methodology that is not commonly used in gender-in-leadership research.
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 | 0,039 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,092 |
| Communication savante | 0,012 | 0,015 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».