âThis wasnât supposed to happenâ : making sense of emotions in the face of expectation breach
Bibliographic record
Abstract
Des recherches antérieures sur les émotions en contexte organisationnel, notamment\nautour des notions de travail émotionnel, de contrat psychologique et d'équité, ont\nsouvent soulevé la question de la rationalité et du caractère approprié ou non des\nmanifestations émotionnelles, ainsi que sur les mécanismes utilisés pour contrôler et\nmodérer celles-ci. Cependant, peu de recherche empirique a été effectuée sur la façon\ndont les employés eux-mêmes font sens de leurs émotions au travail et le processus\npar lequel ils parviennent à rendre celle-ci compréhensibles et légitimes, à la fois pour\neux-mêmes et pour autrui.\nAu cours des dernières années, un courant de recherche émergent tend toutefois à\nmettre de côté la perspective normative / rationaliste pour soulever ce type de\nquestions. Ainsi, au lieu d'être considérées comme des expériences strictement\nsubjectives, privées, voire inaccessibles, les émotions y sont envisagées à travers les\ndiscours et les mises en récits dont elles font l’objet. Les émotions apparaissent ainsi\nnon seulement exprimées dans le langage et la communication, mais construites et\nnégociées à travers eux.\nLa recherche présente développe empiriquement cette perspective émergente,\nnotamment en faisant appel aux théories du sensemaking et de la narration, à travers\nl’analyse détaillée des récits de quatre employés chargés du soutien à la vente pour un\nrevendeur de produits informatiques. En demandant à mes sujets de parler de leurs\nexpériences émotionnelles et en analysant leurs réponses selon une méthodologie\nd’analyse narrative, cette recherche explore ainsi la façon dont les employés\nparviennent à construire le sens et la légitimité de leurs expériences émotionnelles.\nLes résultats suggèrent entre autres que ces processus de construction de sens sont\ntrès étroitement liés aux enjeux d’identité et de rôle.
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 | 0.003 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.007 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 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".