Building a better understanding of labour exploitation's impact on migrant health: An operational framework
Notice bibliographique
Résumé
BACKGROUND: There is limited evidence on labour exploitation's impact on migrant health. This population is, however, often employed in manual low-skilled jobs known for poor labour conditions and exploitation risks. The lack of a common conceptualisation of labour exploitation in health research impedes the development of research measuring its effects on migrant health and, ultimately, our understanding of migrants' health needs. AIM: To develop an operational conceptual framework of labour exploitation focusing on migrant workers in manual low-skilled jobs. METHODS: Non-probabilistic sampling was used to recruit multidisciplinary experts on labour exploitation. An online Group Concept Mapping (GCM) was conducted. Experts: 1) generated statements describing the concept 'labour exploitation' focusing on migrants working in manual low-skilled jobs; 2) sorted generated statements into groups reflecting common themes; and 3) rated them according to their importance in characterising a situation as migrant labour exploitation. Multidimensional Scaling and Cluster Analysis were used to produce an operational framework detailing the concept content (dimensions, statements, and corresponding averaged rating). FINDINGS: Thirty-two experts sorted and rated 96 statements according to their relative importance (1 "relatively unimportant" to 5 "extremely important"). The operational framework consists of four key dimensions of migrant labour exploitation, distributed along a continuum of severity revealed by the rating: 'Shelter and personal security' (rating: 4.47); 'Finance and migration' (4.15); 'Health and safety' (3.96); and 'Social and legal protection' (3.71). CONCLUSION: This study is the first to both generate an empirical operational framework of migrant labour exploitation, and demonstrate the existence of a "continuum from decent work to forced labour". The framework content can be operationalised to measure labour exploitation. It paves the way to better understand how different levels of exploitation affect migrant workers' health for global policymakers, health researchers, and professionals working in the field of migrant exploitation.
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 | 0,027 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,015 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».