Notice bibliographique
Résumé
Purpose This paper critically examines the marketing of fair trade, arguing that the use of the term producer conflates a number of categories of actors, not all of whom benefit equally. The authors contend that the two existing archetypes – the noble peasant farmer and the independent artisan – and the emerging archetype of the “empowered decision maker” serve to obscure and mask complex labour relationships. Design/methodology/approach This conceptual paper draws on a wide range of literature and original fieldwork conducted by the authors to illustrate the three marketing archetypes in the fair trade value chain. Findings Hidden behind the three dominant archetypes used to promote fair trade is a relationship between fair trade “producers” (small farmer, craft enterprise and plantations) and permanent and temporary/casual labourers. The trickle‐down of fair trade benefits to these workers is uneven at best and falls far short of the expectation of empowerment of all “producers” that fair trade promises. Research limitations/implications The fair trade project must look beyond the simple archetypes to engage more deeply with labour issues in the fair trade value chain, and to re‐engage with fair trade as a development strategy through which broader and more complex forms of empowerment can be realised. Practical implications Fair trade standards are not a substitute for organised labour's activities. Interactions between trade unions and fair trade bodies could ensure that existing labour standards are met, and improvements in the lives of all workers can occur. Originality/value This paper conceptualises three fair trade mainstream marketing archetypes and suggests why and how the fair trade movement must move beyond these to ensure empowerment amongst its least well‐off stakeholders.
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 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».