MétaCan
Menu
Retour à la cohorte
Enregistrement W4316814032 · doi:10.1177/00346446221132319

Black Feminists in the Third Sector: Here Is Why We Choose to use the term Solidarity Economy

2023· article· en· W4316814032 sur OpenAlexafffund
Caroline Shenaz Hossein, Megan Pearson

Notice bibliographique

RevueThe Review of Black Political Economy · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensThe Scarborough HospitalYork UniversityUniversity of Toronto
Organismes subventionnairesCanada Research Chairs
Mots-clésSolidarity economySolidarityPrivate sectorBusiness sectorPolitical economySocial economyEconomyState (computer science)Government (linguistics)Informal sectorEconomic systemEconomicsPolitical scienceMarket economyEconomic growthPolitics

Résumé

récupéré en direct d'OpenAlex

Many countries in the Global North use the term “social economy”—also known as the third sector—to describe economies run by citizens rather than by state or business actors. Over the years, many Black feminist scholars that we have worked with also share the view that the concept of the “social economy” is limited to a European understanding. It fails to acknowledge those actors in the third sector who are excluded from interacting with the government or private sector. There is an assumption that the social economy is “socially inclined” and that it is a sector able to “interact” with the state and capitalist firms. What happens when certain groups of people cannot interact with the state or private sectors due to systemic exclusion? We argue that to transform literature on the social economy, we must use the term solidarity economy. Rejecting the sanitized language of the social economy, we use critical discourse and case study analyses to show the worldwide use of the term solidarity. Our work draws on theories of community economy intentional community to argue that the solidarity economy is a site of contestation and a way to push for social change.

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)0,010
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0070,028
Communication savante0,0070,013
Science ouverte0,0010,005
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,096
Tête enseignante GPT0,312
Écart entre enseignants0,216 · 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'étudeThéorique ou conceptuel
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

Citations15
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Review of Black Political EconomyMême sujetCommunity Development and Social ImpactTravaux en français237 207