The Good, the Unconscious, and the Dynamic: Rethinking Disidentification at Work
Notice bibliographique
Résumé
Disidentification refers to an individual’s perceived sense of separation from: (a) personal characteristics or traits (personal disidentification, e.g., not identifying as a smoker); (b) a role or relationship (relational disidentification, e.g., not identifying as a leader); and/or (c) a group (social disidentification, e.g., not identifying with an organization) (Elsbach, 1999). Together, identification (a sense of oneness) with and disidentification (a sense of separation) from targets shape an individual’s identity (Stone, 1962). Existing research has predominantly focused on the detrimental consequences of disidentification, ranging from boycott and public disparagement (Elsbach and Bhattacharya, 2001; Pratt, 2000) to workplace deviance (Bolton et al., 2012) and organizational crimes (e.g., Vadera & Pratt, 2013). However, the overwhelming focus on negative outcomes has contributed to disidentification’s receiving less scholarly attention compared to identification (Kalkman, 2023; Kreiner & Ashforth, 2004). The papers in this symposium seek to reinvigorate research on disidentification by addressing key limitations: its prevailing characterization as dysfunctional, the lack of consensus on its definition and mechanisms, and the limited exploration of its temporal dynamics (Ashforth, Harrison, & Corley, 2008). Revitalizing Disidentification Research in Organizational Studies Author: Neveen Mohamed; Vlerick Business School Author: Elise B. Jones; U.S. Coast Guard Academy Author: Nana Yaa Antwi-Gyamfi; Author: Mailys George; IESE Business School Imprisoned: Disidentification and Institutional Neurosis in Prison Staff Facing Role Conflict Author: Aušrine Vyšniauskaite; KU Leuven Author: Mailys George; IESE Business School How Workers Facilitate Clients’ Disidentification from Stigmatized Identities Author: Muhammad Aqeel Awan; London School of Economics and Political Science Author: Ussama Ahmad Khan; London Business School Author: Lidiia Pletneva; The London School of Economics & Political Science Doctors Driving Taxi Cabs: Enduring Disidentification in Downward Occupational Transition Author: Madeline Toubiana; University of Ottawa Author: Luciana Turchick Hakak; University of the Fraser Valley
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 | 0,016 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,015 | 0,078 |
| Communication savante | 0,020 | 0,034 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,005 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».