The Effects Resulting from Using WhatsApp in the Routines of Education Workers
Notice bibliographique
Résumé
This article aims to explore the impacts of power dynamics arising from the use of the WhatsApp instant messaging application on the work routines of civil servants within a public educational institution. Utilizing the Foucauldian genealogy of power as a theoretical framework, we endeavor to conduct a critical historical analysis of the mechanics behind socially constituted power relations. Employing a qualitative case study approach, we juxtapose the analytics of power (drawing categories from the Foucauldian genealogy) with the investigative model of technological paradoxes, focusing on ‘Control vs. Chaos’ and ‘Autonomy vs. Addiction’, against data collected from interviews to uncover the power effects within this virtual space. Key findings include the observation that managers leverage a ‘system of differentiations’ to categorize and control subordinates through WhatsApp in a sophisticated and efficient manner. Moreover, the supposed enhancement of productivity through hyperconnectivity leads to compulsive smartphone use among employees, a phenomenon we interpret, following Foucault, as an institutionalized process of worker subjugation. Nonetheless, practices of resistance emerge, contesting these subjugation processes that affect the subject-workers. The institutional ‘battle’ for increased autonomy and healthier work routines emerges as one of the most potent forms of resistance against the overreach of power effects associated with WhatsApp use in the examined work contexts.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».