L’hybridation institutionnelle, le travail et les affects : les apports de l’approche ethnographique pour l’analyse des organisations
Bibliographic record
Abstract
Cet article examine les apports de l’approche ethnographique pour l’analyse des organisations comme espaces méso-sociologiques situés à la croisée des interactions micro et d’environnements sociaux plus larges. Les études de terrain donnent l’occasion de documenter les processus d’hybridation entre différentes logiques institutionnelles à l’intérieur d’une même organisation. Elles offrent aussi des outils particulièrement riches pour examiner les formes de travail qui se manifestent dans une organisation, ainsi que la répartition interne du travail. Elles permettent également d’examiner des processus affectifs, tels que les encouragements et la réconciliation, qui se déploient entre les membres. Les ethnographies peuvent ainsi aider à saisir les organisations dans toute leur complexité et à étudier les stratégies employées pour conjuguer avec une pluralité de logiques institutionnelles, de formes de travail et de dynamiques affectives et émotionnelles, autant de phénomènes qui ont une forte incidence sur le niveau d’engagement individuel et l’entretien d’une capacité d’action collective. Ces propositions s’appuient sur un terrain mené par le premier auteur avec un comité logement et un organisme de développement communautaire, ainsi que sur une recherche ethnographique menée actuellement par la deuxième autrice avec un OBNL dédié à la production et à la diffusion des arts et de la culture.
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 | 0.016 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.005 | 0.026 |
| Scholarly communication | 0.013 | 0.016 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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; 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".