Surveillance at Work: An Interdisciplinary Discussion About the State of Research and Practice
Notice bibliographique
Résumé
Employee surveillance, or electronic performance monitoring (EPM), refers to the now-common use of technology to observe, record, and analyze information that directly or indirectly relates to job performance. It has been nearly four decades since the earliest empirical studies of EPM, yet the literature remains fragmented and siloed across disciplines, including management, psychology, sociology, information systems, organizational theory, and law and criminal justice. Significant questions persist regarding how to best conceptualize and measure EPM. There also remains much to understand about its effects on individuals and organizations, as well as the contextual and individual factors that shape and constrain these effects. Despite these unresolved issues, the adoption of EPM continues to grow rapidly in practice, outpacing the research needed to guide its implementation. This symposium session will bring together a panel of experts in surveillance, employee monitoring, and technology to critically assess the current state of EPM research and practice, as well as identify opportunities for cross-disciplinary collaborations to integrate and advance the literature.
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 | 0,182 | 0,159 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,019 | 0,071 |
| Communication savante | 0,048 | 0,089 |
| Science ouverte | 0,010 | 0,021 |
| Intégrité de la recherche | 0,038 | 0,050 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».