MétaCan
Menu
Retour à la cohorte
Enregistrement W2239230108

Russia's Long-Distance Commuters in the Oil and Gas Industry: Social Mobility and Current Developments - an Ethnographic Perspective from the Republic of Bashkortostan

2014· article· en· W2239230108 sur OpenAlexvenueno aff
Elisabeth Öfner

Notice bibliographique

RevueJournal of rural and community development · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThrivingPetroleum industryRural sectorRural areaPeople's RepublicBusinessFossil fuelEconomic growthEconomyChinaPolitical scienceEconomicsSociologyEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Long-distance commuting (LDC) to the oil and gas fields in the Russian north has become a visible social development in today's Russia. This sector provides people in rural communities with employment, high salaries, and the opportunity to increase their social mobility. In the Republic of Bashkortostan, both oil extraction, as well as LDC to Western Siberia, have a long tradition. A recent development, however, is that increasing numbers of people from rural villages without such ties to oil extraction are now entering the oil and gas sector. This article provides examples of why these people are commuting and what is behind this turn of events. Besides economics, both local developments as well as developments within the oil and gas sector (the most thriving industrial sector in Russia) are contributing factors. People from rural regions see employment in this wealthy sector as a chance to better themselves. Even though some working conditions have been condemned as inhumane, the sector is able to provide a wide variety of employment possibilities. The oil and gas sector is seen as the most stable and most profitable sector in Russia from a local perspective. Keywords: LDC, oil and gas industry, rural Russia, Republic of Bashkortostan, social mobility

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,472
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,047
Tête enseignante GPT0,334
Écart entre enseignants0,287 · 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.

Devis d'étudeObservationnel
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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of rural and community developmentMême sujetArctic and Russian Policy StudiesTravaux en français237 207