MétaCan
Menu
← Retour à la cohorte
Enregistrement W7000863939

How Large-Scale Social Events Change Employees’ Attitudes and Behaviours

2023· dissertation· en· W7000863939 sur OpenAlexaboutno aff

Notice bibliographique

RevueSpectrum Research Repository (Concordia University) · 2023
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueFeminism, Gender, and Sexuality Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIdentity (music)Social identity theoryFeelingQualitative researchPerceptionCategorizationSolidaritySocial identity approachSocial groupCollective identity
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this dissertation, I study the relationship between large-scale social events, individual experiences, and social identities. Particularly, I explore the impact of social events, using Quebec's Bill 21 as a case study on people’s experiences and behaviour in the workplace. My discussions and results are based on qualitative and quantitative research. \nI discovered two distinct informants with varying perceptions of Bill 21 in my qualitative study. The individuals directly targeted by the law faced personal, emotional, and daily life consequences and expressed feelings of devaluation, exploitation, exclusion, discrimination, and hopelessness. On the other hand, individuals who did not consider themselves targets maintained a more detached, objective perspective. They focused on societal implications, secularism, neutrality, and the law as a symbol of Quebec's identity and autonomy. \nIn addition, I categorize responses to the challenges of a social event into avoidance behaviours, involving strategies like role change, identity concealment, or enhancement to protect threatened identities, and engagement behaviours encompassing identity distinctiveness, sympathizing among minority groups, and pro-social voice. Avoidance behaviours include individuals leaving their professions or concealing religious symbols, while engagement behaviours involve supporting the law, fostering solidarity among minority groups, and advocating for change. These findings offer insights into the complex dynamics of identity and societal responses, emphasizing the importance of considering social identities and identity threats in understanding reactions to mega-events. \nIn the quantitative study, I study three other overarching mega-events: the MeToo movement, COVID-19, and the change of abortion laws in the US. Additionally, I extend my discussion to include gender and racial identity. By employing both qualitative and quantitative methods, I aim to provide a comprehensive understanding of the impact of social events. While the qualitative study uncovers the nuanced emotional and personal repercussions experienced by those directly targeted by the law, the quantitative phase seeks to understand people’s workplace behaviours in the larger population. \nThis research contributes to understanding mega-events impact on individual identity and behaviour and provides insights into how employees from minority groups react to such events. By shedding light on the relationship between social identities, individual experiences, and mega-events, I offer valuable contributions to both research and practical applications in organizational contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,004
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,108
Tête enseignante GPT0,376
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpectrum Research Repository (Concordia University)→Même sujetFeminism, Gender, and Sexuality Studies→Travaux en français237 207→