Free agents or cogs in the machine? Classed, gendered, and racialized inequities in hazardous working conditions
Notice bibliographique
Résumé
INTRODUCTION: Few epidemiologic studies have used relational social class measures based on control over productive assets and others' labor to analyze inequities in health-affecting working conditions. Moreover, these studies have often neglected the gendered and racialized dimensions of class relations, dimensions which are essential to understanding population patterns of health inequities. Our study fills these gaps. METHODS: Using data from the 2002-2018 U.S. General Social Survey, we assigned respondents to the worker, manager, petit bourgeois, or capitalist classes based on their supervisory authority and self-employment status. Next, we estimated class, class-by-gender, and class-by-race inequities in compensation/safety, the labor process, control, and conflict, using Poisson models. We also estimated gender-by-race inequities among workers. RESULTS: We identified substantial class inequities, with worse conditions for workers, which is the largest class within genders and racialized groups, but also disproportionately consists of women and people of color (POC), particularly women of color (WOC). For example, relative to workers, capitalists were less likely to report that safety is not a priority (prevalence ratio [PR]: 0.41, 95% confidence interval [CI]: 0.21, 0.82), repetitive tasks (PR: 0.36, 95% CI: 0.21, 0.61), and lacking freedom (PR: 0.11, 95% CI: 0.05, 0.24). We also identified inequities among workers, with women and POC, particularly WOC, reporting worse conditions than white male workers, especially greater discrimination/harassment (WOC PR: 1.70, 95% CI: 1.36, 2.13). CONCLUSION: We identified substantial inequities in working conditions across intersecting classes, genders, and racialized groups. These inequities threaten workers' health, particularly among women and POC.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».