MétaCan
Menu
Retour à la cohorte
Enregistrement W2185712647 · doi:10.25071/1705-1436.137

Can Joint Training Increase Union Knowledge and Power?

2005· article· en· W2185712647 sur OpenAlexvenueno aff
Corliss Olson

Notice bibliographique

RevueJust Labour · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLabor Movements and Unions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRestructuringGlobalizationLeverage (statistics)Training (meteorology)Power (physics)Economic systemBusinessWork (physics)Labour economicsEconomicsPolitical scienceEngineeringMarket economyComputer scienceFinanceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Globalization has been accompanied by a decline in unionization; however, while globalization presents extremely serious challenges to unions, globalization does not necessarily result in weakened unions. It is important for unions to identify and utilize ways to increase and leverage union power that are responsive to the pressures of globalization. Companies frequently introduce training during restructuring efforts aimed at remaining competitive in a global environment. This paper describes a joint union-management training program which offers an example of a pro-active union approach to joint training initiatives. The training took place in early 2004 in a typical paper mill in central Wisconsin. While the training was designed and undertaken in response to various competitive pressures, the content of the training was primarily determined by employee focus groups. The training design is examined against criteria for successful union involvement in joint ventures. The paper argues that, while joint ventures typically address management's production concerns at the expense of labor, a pro-active union can work to ensure that benefits also accrue to the union. Recent literature on union power in a globalized economy suggests that this training model could be used in other industries to enhance union knowledge and power.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,981

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,034
Tête enseignante GPT0,304
Écart entre enseignants0,270 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJust LabourMême sujetLabor Movements and UnionsTravaux en français237 207