MétaCan
Menu
Retour à la cohorte
Enregistrement W3046196273 · doi:10.5465/ambpp.2020.14129abstract

It's Cold Outside: Measuring the Challenges of Independent (Gig) Work

2020· article· en· W3046196273 sur OpenAlexaff
Brianna Barker Caza, Erin Marie Reid, Susan J. Ashford, Steve Granger

Notice bibliographique

RevueAcademy of Management Proceedings · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensUniversity of CalgaryMcMaster University
Organismes subventionnairesnon disponible
Mots-clésThrivingPsychologyDiscriminant validityStressorLonelinessSocial psychologyFace validityPsychological resilienceApplied psychologyDevelopmental psychologyClinical psychologyPsychometrics

Résumé

récupéré en direct d'OpenAlex

Gig workers face a number of challenges that differ in nature or intensity from those experienced by traditional organizational workers. We developed and tested a measure of six challenges commonly faced by independent workers—viability, organizational, identity, relational, emotional, and career-path uncertainty—in three samples of platform-based workers, including Mechanical Turk workers and highly skilled independent scientists. Initial evidence for the measure’s validity included its convergent and discriminant validity in relation to measures of depletion, thriving, resilience, and loneliness. We confirmed the measure’s factor structure, showed its relationship with thriving and perceived meaningfulness of work, and examined differences across different subgroups in the sample of independent scientists. Our findings help us to better understand the types of stressors independent workers face in the gig economy, and our diverse set of samples provides evidence of the universality of these stressors. Further, our developed measure represents an important research tool for future studies of independent (gig) workers’ experiences.

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)0,011
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,061
Tête enseignante GPT0,269
Écart entre enseignants0,208 · 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'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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetDigital Economy and Work TransformationTravaux en français237 207