Changing Models of Work in the Digital Platform Economy
Notice bibliographique
Résumé
The proliferation of online labor platforms has significant consequences for the world of work, as workers adopt novel work roles in the gig economy, digital platforms function as new labor market intermediaries, and organizations reconfigure how they operate. This symposium aims to advance our understanding of this relatively novel phenomenon of platform-mediated work and explore implications for management scholarship. We address the ramifications of the digital platform economy for workers and organizations from organizational behavior, organizational theory, and information systems perspectives, thereby drawing on a variety of contexts. For workers, our symposium provides insights about how individuals can thrive in the so-called ‘gig economy’, the influence of platform algorithms on worker behavior, and the effects of managing multiple work roles. For firms, we explore perceptions of online platforms, motivations for adopting them, implications of online platforms for operations, and how capitalist and cooperative platform firms govern and create value. Finally, discussants will integrate our studies, draw conclusions, and offer suggestions for advancing the topic. No Boss, No Company, No Matter: How Workers Are Making It in the New World of Work Presenter: Brianna Barker Caza; U. of Manitoba Presenter: Susan J. Ashford; U. of Michigan Presenter: Erin Marie Reid; McMaster U. When Algorithms Are Your Boss: Algorithmic Management of Platform Work Presenter: Mareike Moehlmann; Warwick Business School Presenter: Lior Zalmanson; New York U. Presenter: Ola Henfridsson; Warwick Business School Presenter: Robert Wayne Gregory; U. of Navarra I’m Kind of a Big Deal . . . In My Other Job: The Effects of Status Inconsistency Across Work Roles Presenter: Hudson Sessions; U. of Oregon Presenter: Jennifer Nahrgang; Arizona State U. Bringing Work Back In: Theorizing Platform Sourcing as an Organizational Model for Knowledge Work Presenter: Greetje Frankje Corporaal; U. of Oxford Presenter: Vili Lehdonvirta; U. of Oxford Different Paths to Ecosystem Strategy: Platform Capitalism vs. Platform Cooperativism Presenter: Jovana Karanovic; KIN Research, VU Amsterdam Presenter: Hans Berends; Vrije U. Amsterdam Presenter: Yuval Engel; U. of Amsterdam
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,011 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».