Quiet quitting: Obedience <i>a minima</i> as a form of nursing resistance
Notice bibliographique
Résumé
In this article, we provide a philosophical and ethical reflection about quiet quitting as a tool of political resistance for nurses. Quiet quitting is a trend that gained traction on TikTok in July 2022 and emerged as a method of resistance among employees facing increasing demands from their workplaces at the detriment of their personal lives. It is characterised by employees refraining from exceeding the basic requirements outlined in their job descriptions. To understand why quiet quitting can be a tool of resistance useful for nurses, we first draw on Frédéric Gros' concept of 'surplus obedience' and Michael Lipsky's notion of 'routines and simplification strategies' to highlight the ethical implications associated with nurses engaging in and sustaining harmful systems, such as the neoliberal healthcare system. Leaning again on Gros, we then propose that 'obedience a minima', a concept akin to quiet quitting, can serve as a method of ethical nursing resistance. After describing what the concept entails, we provide a discussion emphasising the potential of obedience a minima as a one method, among many, that can be leveraged by nurses to challenge and resist a system that prioritises financial considerations over patient wellbeing. The article concludes by reflecting on the ethical nature of resistance in the context of nursing, that is the act of obeying oneself and refraining from participating in systems that are detrimental to the lives of Others.
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 | 0,015 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,078 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,008 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».