MétaCan
Menu
Retour à la cohorte
Enregistrement W3106680386 · doi:10.1080/23800127.2020.1827558

The rhythm of making cheaps: a case study of rhythmanalysis and qualitative labour shortages in Canadian fisheries

2020· article· en· W3106680386 sur OpenAlexafffundabout
Christine Knott

Notice bibliographique

RevueApplied Mobilities · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésEconomic shortageWork (physics)Capital (architecture)Investment (military)Qualitative researchLabour economicsQualitative propertyPower (physics)BusinessSociologyEconomic growthEconomicsPolitical scienceGeographySocial scienceEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

This paper explores how an intersectional rhythmanalysis approach that includes attention to animals, ecosystems and corporate capital investment strategies can provide crucial insight into reported labour shortages. This paper unpacks the systemic relations of difference and power among mobile workers by highlighting the reorganization of temporal rhythms of work and life, but also animals and environments, that work to create or reproduce immobility and enclosure. Drawing on interview data and document analysis related to the seafood processing sector, the paper argues that the construction of qualitative labour shortages is tied to racialized, gendered and classed workers who are migrant or mobile. Critically, this includes new rhythms of capital accumulation, and related arrhythmias in the work/home lives of local and interprovincial migrant Canadian workers, through changes to schedules and seasonal contracts. These rhythmic changes make employment in these plants less desirable or feasible for these workers and support employers’ claims of labour shortages.

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)0,011
score de la tête « metaresearch » (Gemma)0,015
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,453

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0420,023
Communication savante0,0050,003
Science ouverte0,0040,010
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,083
Tête enseignante GPT0,417
Écart entre enseignants0,334 · 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'admission3
Résumé présentoui

Explorer davantage

Même revueApplied MobilitiesMême sujetEmployment and Welfare StudiesTravaux en français237 207