Tatouage et inclusion, être authentiquement soi au travail
Bibliographic record
Abstract
L’apparence physique est l’un des premiers critères de discrimination en France. Pourtant, peu de travaux s’intéressent à la discrimination et l’inclusion des personnes tatouées en France, contrairement à la littérature anglo-saxonne. Face à cette absence de littérature, nous avons cherché à comprendre de quelle manière le tatouage, en tant que composante manipulable de l’apparence physique, est accepté dans le monde du travail en France. Notre étude exploratoire qualitative auprès de personnes tatouées et de recruteurs montre que les personnes tatouées cachent majoritairement leurs tatouages de peur des préjugés sociaux et de leurs conséquences. Le discours des recruteurs, par effet miroir, montre que le tatouage n’est pas un problème. tant qu’il ne se voit pas. Cette dialogique entre le visible et l’invisible crée un conflit entre le soi interne et le soi externe. Ceci amène les personnes tatouées à adopter une authenticité que nous qualifions d’entravée et questionne le fait d’être authentiquement soi au travail avec des conséquences sur l’engagement et le bien-être au travail de ces personnes. Cela constitue une discrimination discrète mais réelle à leur encontre, révélatrice de dissonances entre les discours et les pratiques d’inclusion des organisations. En conséquence, il apparait nécessaire pour les organisations d’intégrer le tatouage dans leurs politiques d’inclusion et de réfléchir aux composantes et aux limites de l’authenticité de soi au travail pour être véritablement inclusives. Les recherches sur l’inclusion doivent également à l’avenir mieux intégrer la dimension de l’apparence physique et celle du tatouage.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.015 | 0.023 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".