MétaCan
Menu
Retour à la cohorte
Enregistrement W3032927031 · doi:10.1177/0169796x20924577

Dialogue and Coordination: How Hybrid Models Can Strengthen Labor Standards Enforcement

2020· article· en· W3032927031 sur OpenAlexaff
Kelly Pike

Notice bibliographique

RevueJournal of Developing Societies · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal trade, sustainability, and social impact
Établissements canadiensCARE CanadaYork University
Organismes subventionnairesnon disponible
Mots-clésEnforcementBusinessTransparency (behavior)AccountabilityState (computer science)Government (linguistics)Quality (philosophy)Private sectorPublic relationsPublic economicsPublic administrationEconomicsEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

This article examines the factors that limit and support the capacity of developing states to regulate labor in the public and private spheres, as well as the role of international parties in strengthening that capacity. The purpose is to better understand the potential for a more coordinated approach informed by hybrid models of enforcement, which can contribute to closing regulatory gaps. Fieldwork was carried out in the garment sectors in South Africa and Lesotho during 2018, including 20 semi-structured interviews with industry stakeholders representing government, business, and labor. Findings indicate that the developing state has an important role to play in facilitating a more coordinated approach between systems of enforcement, including public and private enforcement agencies, national development agencies, manufacturers, buyers, and unions. The case studies indicate the potential of such an approach to, for example, improve inspection quality, accountability, and transparency. The state can play an active role in facilitating a hybrid approach to regulation that involves both state and non-state actors, with dialogue and coordination at the core of addressing broader challenges for enforcement.

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)0,028
score de la tête « metaresearch » (Gemma)0,031
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,031
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0080,024
Communication savante0,0160,019
Science ouverte0,0040,021
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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 Opus0,034
Tête enseignante GPT0,255
Écart entre enseignants0,221 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Developing SocietiesMême sujetGlobal trade, sustainability, and social impactTravaux en français237 207