Gig-workers’ motivation: thinking beyond carrots and sticks
Notice bibliographique
Résumé
Purpose High-quality employee motivation can contribute to an organization’s long-term success by supporting employees’ well-being and performance. Nevertheless, there is a paucity of research concerning how organizations motivate workers in non-traditional work contexts. In the algocratic context of the gig-economy, the purpose of this paper is to understand the role that technology can play in motivating workers. Design/methodology/approach Drawing on the self-determination theory, job-characteristic theory and enterprise social media research, this conceptual paper explores how the architecture of the digital labor platforms underlying the gig-economy (and the characteristics of jobs mediated through these IT artifacts) can impact key antecedents of self-motivation. Findings Combining theory and empirical evidence, this paper develops a mid-range theory demonstrating how organizations can support the self-motivation of gig-workers through the thoughtful design of their digital labor platforms and the integration of two social media tools (namely, social networking and social badging). Research limitations/implications This paper answers calls for psychologically-based research exploring the consequences of gig-work as well as research studying the impacts of advanced technologies in interaction with work contexts on motivation. In theorizing around a large set of social-contextual variables operating at different levels of analysis, this paper demonstrates that individual-level motivation can be influenced by both task-based and organizational-level factors, in addition to individual-level factors. Originality/value The proposed theory provides novel insight into how gig-organizations can leverage widely accessible social media technology to motivate platform workers in the absence of human supervision and support. Theoretical and practical implications are discussed.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,023 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».