Perceptions of COVID-19 related risks by platform-based couriers: An analysis of user comment threads on Reddit
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic increased demand for app-based platform-based couriers, creating job opportunities for individuals who have lost income because of COVID-19. Through various stages of lockdown, courier workers (e.g., delivering for Uber Eats, Amazon Flex, and Lyft) provide an essential service. At the same time, this form of work poses risks for exposure to the SARS-CoV-2 virus as these workers are highly mobile and in contact with many individuals. OBJECTIVE: To explore how platform-based couriers discuss risks associated with their work during periods of high (first wave, second wave, third wave/rise in concerns regarding variants) and low risk during the COVID-19 pandemic, 2020-2021. METHODS: We provide a narrative analysis of user posts (n = 2,866) on Reddit during periods of interest. RESULTS: Our analysis resulted in three central findings. First, we identified changing patterns in discourse as the pandemic went on. Second, we found that the theme of risk prevailed largely in the first wave, with dialogue dominated by tips and asking for advice about how to manage risk. Third, our findings reveal a growing polarization among users during the latter phases of the study. CONCLUSION: Polarization largely focused on acceptance (or not) of public health measures and the nature of their work as independent contractors and the role/responsibility of courier companies to offer protection. Our study is the first to document risks, from the perspectives of anonymous couriers who may be unwilling to share their honest opinions and thoughts through primary data collection where anonymity is not guaranteed.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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 ».