MétaCan
Menu
Retour à la cohorte
Enregistrement W3009582995 · doi:10.1111/joac.12359

Labour, nature, and exploitation: Social metabolism and inequality in a farming community in mid‐19th century Catalonia

2020· article· en· W3009582995 sur OpenAlexfundno aff
Inés Marco, Roc Padró, Enric Tello

Notice bibliographique

RevueJournal of Agrarian Change · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMinisterio de Economía y Competitividad
Mots-clésWage labourEconomicsAgricultureInequalityWageLabour economicsDivision of labourLivestockHoarding (animal behavior)CommodityChild labourConsumption (sociology)SociologyEcologyMarket economyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Exploiting the labour of other people has historically been one of the main strategies to tackle the biophysical tension that always exists between the satisfaction of human needs and the labour required to fulfil them. Based on the insights of ecological, feminist, and Marxist economics, we disentangle the exploitation of the labour of women and labouring poor through a novel methodology that integrates energy, material, time, and cash balances. We apply it to the sociometabolic flows between household units endowed with different land and livestock resources in a traditional rural community in Catalonia (Spain) in the mid‐19th century. The results show that land and livestock hoarding led to a process of accumulation through dispossession that increased the exploitative relationships through the labour market, which in turn relied on the patriarchal division of labour between men and women at home. Our estimates of energy labour surplus reveal that male wages represented 88% of the equivalent consumption basket that would have been obtained by carrying out the same amount of labour on land of one's own. However, in the case of female wages, the percentage was 54%. This shows that wage labour incorporated a significant amount of unpaid domestic family labour.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,217
Score d'incertitude au seuil0,396

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,036
Tête enseignante GPT0,264
Écart entre enseignants0,228 · 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.

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

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agrarian ChangeMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207