Using unitarist, pluralist, and radical frames to map the cross-section distribution of employment relations across workplaces: A four-country empirical investigation of patterns and determinants
Notice bibliographique
Résumé
The frames of reference model developed by Fox, and extended by a number of other authors, is arguably the central paradigm framework in the employment/industrial relations field. Despite its importance and popularity, use of frames of reference to structure empirical analysis and develop hypotheses is relatively rare and, to the best of our knowledge, the framework and its key constructs and principles have themselves never been empirically examined with data from a representative cross-section of workplaces using quantitative methods. This article, with the aid of a new four-country (Australia, Canada, UK, and US) survey data set on 7000+ workplaces, initiates this kind of empirical study. The frames of reference distinguish three main types of employment relationships: unitarist, pluralist, radical. We select six attitudinal/behavioral indicators from the data set that distinguish which frame a workplace is in, combine them to form a Relational Quality Index, plot the 7000+ Relational Quality Index observations as four-country frequency distributions, and use different statistical criteria to indicate the relative size of each frame. We next do regression analysis in which the 7000+ workplace Relational Quality Index scores are the dependent variable and construct from the data set 20 frames of reference explanatory variables. As theory predicts, workplaces with stronger common (opposed) interests have better (worse) employer–employee relations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».