Rethinking human capital: Perspectives from women working in the informal economy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Motivation The development of human capital is a priority for most nation states, accelerated by the COVID‐19 global pandemic. In the context of reimagining a “new normal” post‐COVID, we reconsider the concept of human capital, and focus on knowledge, skills, and training of individuals in order to capture aspects of inclusive development. Purpose This paper shows how the perspective of women, informal sector workers, representing some of the most marginalized workers in society, informs and improves our understanding of human capital and its development and utilization. Methods and approach Our findings are derived from field‐based research conducted over the summer of 2021 in which multiple (virtual) focus group discussions (FGDs) were held with selected members of the Self‐Employed Women's Association (SEWA) in India. Findings Through our FGDs, the participants provided new perspectives and insights into our knowledge of human capital, emphasizing the importance of social protection programmes, gender equity, ongoing training opportunities, decentralized supply chains, and income security. Perhaps most significantly, the benefits accrued to women through being organized have been key to unlocking their human capital potential. Policy implications Our research highlights themes that are often overlooked in the literature or are beyond the scope of more narrow conceptualizations of human capital. We show that human capital is tightly interwoven with other forms of capital (community assets), and hence efforts to build the former cannot be achieved in isolation from attending to the latter.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 0,001 |
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.
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 découle