Indigenous Work Across the Employment Cycle: A Content Analysis of the Empirical Literature
Notice bibliographique
Résumé
Abstract Indigenous employment is a crucial but often ignored area of economic and human development in the social sciences scholarship. Most disciplines that engage with Indigenous affairs (e.g., health, education) acknowledge symptoms of poverty and underemployment but fail to address underlying issues related to work. Disciplines responsible for employment research (e.g., organizational sciences) have historically served government (e.g., the military) or private corporations (i.e., human resources), limiting empirical translatability to Indigenous experiences. Further, the sparse publications on Indigenous employment available appear in journals that are only tangentially concerned with employment issues and not connected to dedicated Indigenous employment research programs. This article describes a quantitative content analysis on 215 empirical Indigenous employment studies. An inductive coding technique on manifest content derived 25 Indigenous employment-related constructs. The most frequently occurring constructs included Indigenous career development, (under)representation, cultural (mis)fit between employees and their organizations, and relationships at work. Statistical dimension reduction techniques identified two Indigenous employment experiences trending across the empirical findings: (1) Culturing work, and (2) Negative experiences at work. Culturing work describes how culture impacts participation in employment; for example, work within Indigenous communities, building relationships, and maneuvering work expectations while maintaining cultural identity, ethicality, and authenticity at work; while negative work experiences described experiences like overload, discrimination, mental health detriments, role conflict, being devalued, and organizational supports that stifle or facilitate positive work experiences. We discuss how these trends occur across the employment cycle with examples at each employment stage. Directions for future research and practice are presented throughout.
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 | 0,013 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,021 | 0,021 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».