Can Occupational Predation Buy Labour Quiescence? The Case of the Public Sector in Zimbabwe
Notice bibliographique
Résumé
Occupational crimes and industrial conflict remain one of the most complex challenges confronting both industrial relations scholars and practitioners. Buoyed by postmodern thinking the paper examines the extent to which the dynamics and patterns of occupational predation is wickedly traded-off for labour quiescence. It focuses specifically on a selected Zimbabwean public sector organisation that is responsible for the administration and monitoring of revenue collection for the State. The paper advances that although some organisational settings are more structurally ‘criminogenic’ and providing more opportunities for occupational crimes than others, this one is a ‘wicked’ case in which occupational crimes have been institutionalized and systemically transformed into a form of calculative or ‘fractional’ collective bargaining. Both primary and secondary data is collected from two of the organisation’s largest stations using a qualitative research approach and analysed by a combination of thematic and domain data analysis techniques. Twenty participants from each station were selected by both simple stratified and purposive availability sampling designs. It is observed that occupational crimes in this organisation have taken a predatory character and invariably acting as a buffer inventory that insulates the organisation against unfavourable macro-economic environment. While alternative conventional theories of worker mobilization or resistance would have viewed this situation as a sufficient condition and opportunity for employees to engage in collective action, evidence suggests otherwise. The paper concludes that predation in the public sector levels the ground in the management of industrial conflict as it is traded-off for industrial peace or labour quiescence.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».