Bibliographic record
Abstract
Nous avons cru pendant longtemps qu’il était possible de laisser nos émotions à la porte des organisations. Cela simplifie excessivement la complexité et l’hétérogénéité du travail et, par conséquent, on finit par sous-estimer les effets du travail sur la santé. Notre objectif est de comprendre une forme particulière de l’expression des émotions des travailleuses et travailleurs : les larmes au travail. Pour comprendre cette question, nous utilisons une approche qualitative avec les travailleuses et travailleurs dans différents métiers du secteur des services à Montréal. Les larmes au travail sont liées, soit à une surcharge de travail émotif, soit à l’impossibilité de son accomplissement. Finalement, les différences entre les larmes des femmes et des hommes, au moins au travail, peuvent être expliquées, non seulement par les différences sexuées dans la socialisation des individus, mais aussi par la division sexuelle du travail émotif et des émotions qui impose une surcharge émotive plus prononcée aux femmes en demandant une gestion plus intensive de leurs émotions au travail.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".