MétaCan
Menu
Retour à la cohorte
Enregistrement W1891637333 · doi:10.1080/0158037x.2015.1043988

Tapping into the ‘standing-reserve’: a comparative analysis of workers’ training programmes in Kolkata and Toronto

2015· article· en· W1891637333 sur OpenAlexaffabout
Saikat Maitra

Notice bibliographique

RevueStudies in Continuing Education · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLabor Movements and Unions
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)Context (archaeology)Multinational corporationBusinessWork (physics)Service (business)Economic growthVocational educationQuality (philosophy)Production (economics)SociologyPolitical sciencePublic relationsPedagogyMarketingEngineeringEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

This paper examines employment-related training programmes offered by state funded agencies and multinational corporations in Toronto (Canada) and Kolkata (India). In recent years both cities have witnessed a rise in the service sector industries aligned with global regimes of flexible work and the consequent reinvention of a worker subject that is no longer disciplined according to the needs of industrial production. A worker must now be self-regulated, competitive, flexible, with an ability to convey an urbane, English-speaking deportment within the workplace. Training of employees, especially soft skill training becomes crucial in this connection as a form of technology for achieving this end. Based on Martin Heidegger’s conceptualisation of ‘standing-reserve’, we suggest that what training programmes do in the context of neoliberal capitalist production is the creation of an essential quality of human-ness that has to be harnessed, its potentialities tapped and amplified through training. We further suggest that such programmes often remain heavily influenced by race/class/gender hierarchies as well as stereotypical assumptions of desirable/undesirable bodies, forms of socialisation and modes of habitation that often are naturalised in the course of training.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,598
Score d'incertitude au seuil0,946

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,145
Tête enseignante GPT0,452
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudies in Continuing EducationMême sujetLabor Movements and UnionsTravaux en français237 207