MétaCan
Menu
Retour à la cohorte
Enregistrement W4207066679 · doi:10.1111/glob.12360

Global value chains for medical gloves during the COVID‐19 pandemic: Confronting forced labour through public procurement and crisis

2022· article· en· W4207066679 sur OpenAlexaff
Alex Hughes, James A. Brown, Mei Trueba, Alexander Trautrims, Ben Bostock, Emily Day, Rosey Hurst, Mahmood F. Bhutta

Notice bibliographique

RevueGlobal Networks · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal trade, sustainability, and social impact
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésProcurementContext (archaeology)BusinessPurchasing powerSupply chainValue (mathematics)Global value chainPandemicGovernment (linguistics)PurchasingValue chainResilience (materials science)Economic growthCoronavirus disease 2019 (COVID-19)EconomicsMarketingInternational tradeMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract This paper evaluates ways in which labour issues in global value chains for medical gloves have been affected by, and addressed through, the COVID‐19 pandemic. It focuses on production in Malaysia and supply to the United Kingdom's National Health Service and draws on a large‐scale survey with workers and interviews with UK government officials, suppliers and buyers. Adopting a Global Value Chain (GVC) framework, the paper shows how forced labour endemic in the sector was exacerbated during the pandemic in the context of increased demand for gloves. Attempts at remediation are shown to operate through both a reconfigured value chain in which power shifted dramatically to the manufacturers and a context where public procurement became higher in profile than ever before. It is argued that the purchasing power of governments must be leveraged in ways that more meaningfully address labour issues, and that this must be part of value chain resilience.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,007
Communication savante0,0060,005
Science ouverte0,0000,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,032
Tête enseignante GPT0,294
Écart entre enseignants0,262 · 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

Citations45
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal NetworksMême sujetGlobal trade, sustainability, and social impactTravaux en français237 207