MétaCan
Menu
Retour à la cohorte
Enregistrement W2782159234 · doi:10.1177/1350508418757332

Postcapitalist precarious work and those in the ‘drivers’ seat: Exploring the motivations and lived experiences of Uber drivers in Canada

2018· article· en· W2782159234 sur OpenAlexaboutno aff
Amanda Peticca‐Harris, Nadia C. DeGama, M. N. Ravishankar

Notice bibliographique

RevueOrganization · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSharing economyPaceNarrativeDistancingLived experienceWork (physics)DreamSociologyPublic relationsPolitical scienceEngineeringPsychologyLaw

Résumé

récupéré en direct d'OpenAlex

In this inductive, qualitative study, we observe how Uber, a company often hailed as being the poster-child of the sharing economy facilitated through a digital platform may also at times represent and reinforce postcapitalist hyper-exploitation. Drawing on the motivations and lived experiences of 31 Uber drivers in Toronto, Canada, we provide insights into three groups of Uber drivers: (1) those that are driving part-time to earn extra money in conjunction with studying or doing other jobs, (2) those that are unemployed and for whom driving for Uber is the only source of income, and (3) professional drivers, who are trying to keep pace with the durable digital landscape and competitive marketplace. We emphasize the ways in which each driver group simultaneously acknowledges and rejects their own precarious employment by distancing techniques such as minimizing the risks and accentuating the advantages of the driver role. We relate these findings to a broader discussion about how driving for Uber fuels the traditional capitalist narrative that working hard and having a dream will lead to advancement, security and success. We conclude by discussing other alternative economies within the sharing economy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,405

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0300,016
Communication savante0,0070,002
Science ouverte0,0020,006
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,019
Tête enseignante GPT0,216
Écart entre enseignants0,197 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations219
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganizationMême sujetDigital Economy and Work TransformationTravaux en français237 207