Sense-Remaking: Unpacking Ethical Judgment Change in a Business Ethics Course
Notice bibliographique
Résumé
While business ethics (BE) courses have increasingly formed part of business school curricula, we still do not know much about how these courses can change students’ capacity to deal with ethical issues. Drawing on a sensemaking perspective, we conducted an action research study with 66 business professionals enrolled in an executive training program at a French university. The aim was to investigate the processes underlying ethical judgment (EJ) change through a BE course. Participants were invited to pick a significant ethical issue they had personally experienced at work. They were then asked to make sense of it, in writing, at the beginning and at the end of the course, 3 months later. In comparing pre-course and post-course judgments, we concluded that the structure and contents of the respondents’ initial judgment had indeed been modified. This change could be accounted for as the outcome of four ‘sense-remaking’ mechanisms, which we theorize as complexifying, reprioritizing, conceptualizing and contextualizing. Our study contributes to the literature on BE education by demonstrating the benefits of a sensemaking approach. It also offers an original process-based model of EJ, specifying the mechanisms at play in EJ change. Finally, it contributes to the field of sensemaking studies by introducing the concept of sense-remaking, shedding new light on the evolutive dimension of sensemaking.
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 | 0,032 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,017 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».