Notice bibliographique
Résumé
We are in an important technological moment in history, where experts in academia, research institutes, and non-governmental organizations posit that developments in artificial intelligence (ai) will lead to widespread disruptions in the labour market. This article addresses this claim by asking if organized labour sees ai as an equally imminent threat. Moreover, it asks how labour is preparing to challenge the power of capital as employers leverage automation in an age of neoliberal precarity. Online materials published by unions affiliated with the Canadian Labour Congress are reviewed here through discursive analysis. Our findings indicate that while no union has expressed opposition to technological change, many have questioned how employers leverage it in the workplace and its wider geopolitical and societal effects that affect their members and communities. We find that discussion around technological change emphasizes that technology makes work better and safer in a human-centred work environment. Overall, organized labour in Canada is attentive to issues within the political-economic context of automation, precarious work, community impacts, the role of government and regulation, skills and retraining, and job loss, among others. Given the view of technology held by organized labour, we challenge perspectives of both techno-pessimism and techno-optimism and highlight instead that labour unions are in a unique position to both respond and adapt to the evolution of work. Expanded strategic interventions around automation are needed to combat precarious work and the erosion of working conditions at present and in the coming decade(s), and we point to some notable efforts that are underway.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».