MétaCan
Menu
Retour à la cohorte
Enregistrement W3091974455 · doi:10.5210/spir.v2020i0.11147

DIGITAL LABOR SOLIDARITIES, COLLECTIVE FORMATIONS, AND RELATIONAL INFRASTRUCTURES

2020· article· en· W3091974455 sur OpenAlexaff
Cheryll Ruth Soriano, Rafael Grohmann, Yu-Jie Chen, Athina Karatzogianni, Jack Linchuan Qiu, Jason Vincent A. Cabañes, Paula Alves, Andrija Dey

Notice bibliographique

RevueAoIR Selected Papers of Internet Research · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSolidarityPrecarityCapitalismChinaSociologyResistance (ecology)Political sciencePolitical economyPoliticsPublic relationsEconomic systemGender studiesEconomics

Résumé

récupéré en direct d'OpenAlex

Research on digital worker experiences have shed light on the problematic realities of digital labor, which include increasing levels of stress and anxiety over financial and career instability, physical exhaustion, and isolation - all of which underscore the precarity that belie the optimistic facade of labor under the new economy. Given the multiple constraints underlying collective formation among digital workers, this panel explores the characteristics and dynamics of emerging forms of collective organisation among digital workers by reflecting on experiences from China, the Philippines, Brazil, and India. Examining experiences of digital labor organisation and challenges to build solidarity across national and even regional experience, the panel hopes to enrich the discussion in terms of the politics, cultural nuances, and local meanings useful for examining digital worker expressions of resistance and solidarity amidst continuing technological development and platform reforms. This close examination of diverse forms of collective organisation, as well as the relational infrastructures underlying them, aims demonstrate how workers challenge the dominant claims of global capitalism while steep in recognition of the opportunities that these offer.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,714
Score d'incertitude au seuil0,306

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,027
Tête enseignante GPT0,298
Écart entre enseignants0,271 · 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'étudeSans objet
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAoIR Selected Papers of Internet ResearchMême sujetDigital Economy and Work TransformationTravaux en français237 207