MétaCan
Menu
Retour à la cohorte
Enregistrement W4311656672 · doi:10.52975/llt.2022v90.003

“The Same Tools Work Everywhere”

2022· article· en· W4311656672 sur OpenAlexaffvenueabout
Paul Christopher Gray

Notice bibliographique

RevueLabour / Le Travail · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésWorkforceGig economyIdentification (biology)Work (physics)Trade unionPolitical sciencePublic relationsBusinessEconomyManagementEngineeringLabour lawLawEconomicsInternational trade

Résumé

récupéré en direct d'OpenAlex

Foodsters United, a workplace organizing campaign by Toronto food couriers, shows that, even in the gig economy, the classic organizing methods work. The Foodsters successfully challenged their misclassification as independent contractors, got over 40 per cent of a large workforce to sign union cards, and triggered a union vote that they won with 88.8 per cent support. These victories were tempered by a devastating setback: their employer, Foodora, exited from Canadian markets. Nevertheless, what Foodsters United achieved through workplace organizing sustained its transformation into Gig Workers United, which is organizing all delivery platform workers in Toronto. Although platform companies like Foodora promote the idea that the gig economy is unprecedented, its historical continuities are more important than its discontinuities. This is also true of the workplace organizing in the gig economy. Foodsters United achieved substantial victories, not because they invented new organizing methods but because they adapted the classic methods, in often ingenious ways, to their gig economy workplace. This article is based on interviews with the campaign organizers. It is organized thematically according to classic workplace organizing methods, particularly those developed in the industrial organizing tradition, including organizing conversations, mapping, charting, leader identification, issue identification, and the creation of democratic organizations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,235
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations3
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueLabour / Le TravailMême sujetDigital Economy and Work TransformationTravaux en français237 207