MétaCan
Menu
Retour à la cohorte
Enregistrement W4381885757 · doi:10.1109/ethics57328.2023.10154939

Social Implications of Technological Disruptions: A Transdisciplinary Cybernetics Science and Occupational Science Perspective

2023· preprint· en· W4381885757 sur OpenAlexaff
Pedro H. Albuquerque, Sophie Albuquerque

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversité de Sherbrooke
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésCyberneticsPerspective (graphical)ProductivityKnowledge managementWork (physics)Engineering ethicsTask (project management)Management scienceComputer scienceSociologyEconomicsManagementEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this article we argue that the disruptive social implications of skill-replacing technological innovations are determined neither by human characteristics, such as “low skills” or “low cognition,” nor by task characteristics, such as “routine,” as it is typically assumed in the predominant economics and management science literature, but by the cybernetic characteristics of the innovations. We also propose that the negative effects of technological disruptions on human well-being cannot be fully understood without the use of a transdisciplinary approach involving cybernetics science and occupational science, and that it is urgent that policymakers look beyond their narrow effects on productivity and on the labor force, and consider instead the complexity of the interactions between cybernetic technologies and meaningful human occupations. We offer as an example the case of the fast adoption of online food delivery services and of remote work technologies during the COVID-19 pandemic. Ethical implications are derived from the arguments.

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)0,002
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 consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,515
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,015
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,074
Tête enseignante GPT0,393
Écart entre enseignants0,319 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Economy and Work TransformationTravaux en français237 207