“Dear network”. Forging the ideal employee on LinkedIn through online identity regulation
Bibliographic record
Abstract
À la suite des rencontres annuelles organisées depuis 2012 à l’Université Catholique de Louvain, l’Université Paris-Dauphine, l’Université de Montpellier, l’EM Lyon Business School, l’Université Paris Est, l’École de Management de Grenoble et l’Université du Québec à Montréal, ces 13° rencontres accueilleront à nouveau à Lyon des communications s’inscrivant dans les approches critiques en organisation et management en général, ou dans la thématique annuelle en particulier. Les ateliers regrouperont les propositions en fonction des thèmes ou des approches adoptées, en offrant un temps long pour la présentation et la discussion des projets de thèse et de travaux- émergents, quel que soit leur degré d’avancement. En parallèle, des sessions thématiques seront organisées et porteront cette année sur les stratégies, positionnements, voire résistances que les chercheur·e·s critiques peuvent/doivent adopter dans les débats d’ordre épistémologique ou politique qui touchent la critique sociale au sein de l’espace public ou dans les institutions d’enseignement et de recherche. Dans l’esprit des précédentes éditions, ces 13° rencontres veulent offrir un espace de discussion constructif et bienveillant pour les chercheur·e·s qui souhaitent intégrer une dimension critique (problématisation, objet, méthode, ancrage pluridisciplinaire…) dans leur projet de recherche.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.012 |
| Scholarly communication | 0.010 | 0.016 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.025 | 0.005 |
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".