Virtually Even: Status Equalizing in Distributed Organizations
Notice bibliographique
Résumé
In distributed organizations, perceived status differences between workers are ubiquitous and harmful. Yet research suggests that once they are formed, status beliefs in organizations become entrenched in hierarchies and are hard to dismantle. In an inductive qualitative study, we observed how established status differences between remote and in-person workers in distributed organizations dissolved during the initial stages of the COVID-19 pandemic when everyone began working remotely. We use these data to theorize a novel status-equalizing process through which remote workers came to see themselves on an “equal playing field” with their in-person peers. We theorize how this status equalizing occurred through workers’ changing their “in-person default” use of technology—that is, their new behavior challenged embedded cultural practices that had treated the in-person workplace experience as the standard, normal, and valued perspective, implicitly guiding how employees used technology. Workers adopted new and more inclusive technology practices—including the use of asynchronous communication, greater codification of work, and virtual socializing—which resulted in remote workers perceiving new and more equal communication standards, access to information, and opportunity for social connection. As a result, these workers reported feeling less negatively stereotyped and treated more fairly in their virtual interactions with colleagues, fostering feelings of inclusion and deepening relationships across the previously established status divide. At a time when many organizations are grappling with the challenges of distributed, remote, and hybrid work, our research illuminates how inclusive technology practices can help nullify entrenched status imbalances.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,015 |
| Études des sciences et des technologies | 0,001 | 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 ».