Notice bibliographique
Résumé
From Chinese factories making cheap toys for export, to sweatshops in Bangladesh where name-brand garments are sewn—studies on the impact of globalization on workers have tended to focus on the worst jobs and the worst conditions. But in When Good Jobs Go Bad , Jeffrey Rothstein looks at the impact of globalization on a major industry—the North American auto industry—to reveal that globalization has had a deleterious effect on even the most valued of blue-collar jobs. Rothstein argues that the consolidation of the Mexican and U.S.-Canadian auto industries, the expanding number of foreign automakers in North America, and the spread of lean production have all undermined organized labor and harmed workers. Focusing on three General Motors plants assembling SUVs—an older plant in Janesville, Wisconsin; a newer and more viable plant in Arlington, Texas; and a “greenfield site” (a brand-new, state-of-the-art facility) in Silao, Mexico— When Good Jobs Go Bad shows how global competition has made nonstop, monotonous, standardized routines crucial for the survival of a plant, and it explains why workers and their local unions struggle to resist. For instance, in the United States, General Motors forced workers to accept intensified labor by threatening to close plants, which led local unions to adopt “keep the plant open” as their main goal. At its new factory in Silao, GM had hand-picked the union—one opposed to strikes and committed to labor-management cooperation—before it hired the first worker. Rothstein’s engaging comparative analysis, which incorporates the viewpoints of workers, union officials, and management, sheds new light on labor’s loss of bargaining power in recent decades, and highlights the negative impact of globalization on all jobs, both good and bad, from the sweatshop to the assembly line.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,020 | 0,010 |
| Communication savante | 0,021 | 0,013 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,010 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,114 | 0,040 |
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 source (Gemma direct ou Codex distillé), 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 ».