Navigating the emotional challenges of ethnographic accounting research: notes from first-time ethnographers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This study aims to better understand the emotional challenges that inexperienced accounting researchers may face in conducting ethnographies. To do so, the authors use Arlie Russell Hochschild’s (1979, 1983) notions of “feeling rules” and “emotion work” to shed light on the possible nature and impact of these challenges, and how her ideas may also become fruitful for academic purposes. Design/methodology/approach The authors take a reflective approach in sharing the raw observation notes and research diaries as first-time ethnographers in the area of management accounting. The authors use these to analyze “unprocessed” experiences of emotional challenges from the fieldwork and how the authors learned to cope with them. Findings The authors illustrate how emotional challenges in conducting ethnographies can be rooted in a clash with prevalent feeling rules of certain study situations. The authors explore the conditions under which these clashes occur and how they may prompt researchers to respond through means of emotion work to (re-)stabilize those situations. Based on these insights, the authors also discuss how wider conventions of the accounting academy may contribute to emotional challenges as they stand in contrast to principles of ethnographic research. Originality/value There remains a tendency in the accounting domain to largely omit emotional challenges in the making of ethnographies, especially in writing up studies. In this paper, the authors are motivated to break this silence and openly embrace such challenges as an asset when the authors talk about the process of creating knowledge.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle