MétaCan
Menu
Retour à la cohorte
Enregistrement W4367044551 · doi:10.5465/amd.2022.0111

When Big Brother Is Benevolent: How Technology Developers Navigate Power Dynamics among Users to Elevate Worker Interests

2023· article· en· W4367044551 sur OpenAlexaff
Jenna E. Myers

Notice bibliographique

RevueAcademy of Management Discoveries · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInformation Systems Theories and Implementation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésJurisdictionBusinessProcess (computing)Control (management)Emerging technologiesKnowledge managementMarketingPublic relationsComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Existing research on technologies-in-use has overlooked how contemporary technology developers interact with users to shape the effects of workplace technologies, and what role power plays in these interactions. In this qualitative study of a digital manufacturing monitoring technology, I examine how third-party developers pursued ongoing acceptance from high-powered manufacturing managers while attempting to incorporate the interests of low-powered manufacturing workers across their client base. I develop a two-stage model that depicts the underlying sources of divergent user preferences and the practices that developers used to navigate these differences. First, in response to cross-occupational differences between managers and workers within client firms, developers used alignment moves to pursue interest alignment while encoding workers’ preferences into design prototypes. Next, when facing cross-firm differences due to pushback by managers in some contexts, developers used buffering moves to limit the influence of these managers and release the new features. As a complement to examining local variation in use, I suggest that future research on workplace technologies should focus on developers’ capacity to disrupt managerial control across different clients and user groups. Because they enact jurisdiction over ongoing design and development, developers are an important professional group to consider in contemporary technology ecosystems.

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)0,013
score de la tête « metaresearch » (Gemma)0,033
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 enseignants0,013
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,033
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,013
Communication savante0,0080,009
Science ouverte0,0020,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,024
Tête enseignante GPT0,314
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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management DiscoveriesMême sujetInformation Systems Theories and ImplementationTravaux en français237 207