The various insecurities experienced among non-standard workers across different policy-contexts
Notice bibliographique
Résumé
Abstract Background Over the last decades, the prevalence of non-standard employment (NSE) has increased in many countries, with negative implications for worker health and well-being. Research at the micro level, mostly quantitative, has linked NSE with poor health through insecurity. Macro-level studies investigating whether political economic factors buffer the harms of NSE have generated mixed results. This study describes how various types of insecurity are experienced by workers in NSE, in general and during COVID-19, and how this influences their health and well-being, in six countries with different welfare states: Belgium, Canada, Chile, Spain, Sweden and the United States. Methods In-depth interviews with 250 workers in NSE were analysed using a multiple-case study approach and using the welfare state typology as a macro-level framework. Results Despite differences in welfare states, workers in all six countries experienced multiple forms of insecurity as well as relational tension with employers or clients, with clear negative effects on their well-being, in ways that were shaped by broader social inequalities (e.g., related to gender, age, and access to family support). Simultaneously, differences in welfare states were reflected in the level of workers’ exclusion from social protections, the temporality of difficulties they faced in planning their lives (e.g., threats to daily survival or to longer-term life planning), and their ability to derive control from NSE despite the insecurity it created. Workers in less generous welfare states experienced heightened insecurity and greater stress from the COVID-19, but the severity of the health and economic crisis was felt by workers in all study countries. Conclusions This study sheds light on the ways that welfare regimes can support - or fail to support - workers in NSE, and suggests the need in all six countries for stronger state responses to NSE, a pressing social determinant of health. Key messages
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 | 0,004 |
| 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 | 0,004 | 0,005 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».