Hidden sides of the credit economy: Emotions, outsourcing, and Indian call centers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Engaging in credit is not necessarily a rational activity for consumers. Firms utilize sociological resources and techniques to convince them to sign on to credit accounts, maintain their purchasing habits, and pay on their debts. This analysis examines how global credit industries, their subcontracting firms, and their employees, carry this out. Focusing on Indian call centers, where Indian employees provide customer service for US consumers, this study reveals three hidden and inter-related dynamics of credit. First, emotions are integral to the credit industry. It relies on frontline labor, emotion workers who communicate directly with the consuming public. To secure credit, these employees learn and utilize strategies that appeal to customers’ intimacies (deep sensitivities and anxieties about money, family, self, etc.) and moralities (ethics about finance and sense of honor about paying debts). Second, credit is a driver of outsourcing. This industry has historically been the founder of, and continues to be, the primary client base for, offshore customer services in India. Third, outsourcing facilitates the emotional components of credit work. Moving these functions from the Global North to South enables credit firms to access highly skilled and inexpensive workers, and monitor their emotions rigorously in the ongoing labor process. This represents globalization of an affect economy, as Northern credit firms use outsourcing to extract emotional labor from the Global South (Hochschild, 2003). These firms face challenges, however, in translating US moralities and intimacies of credit to India, revealing a transnational cognitive dissonance in the meanings of credit and consumption.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle