The gig economy in Chile: Examining labor conditions and the nature of gig work in a Global South country
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
While there is growing literature regarding the impact of the gig economy in countries of the Global North, the way it operates in Latin America and the Caribbean remains underexplored. This article describes platform work in Chile, especially in the context of COVID-19, which has highlighted the essential role of geographically tethered digital platforms in facilitating essential goods and services in times of social distancing and quarantine. While the gig economy has provided employment for those outside traditional labor markets, its supposedly ‘collaborative’ employment structures obscure the different costs of precarity and informality transferred from platforms to workers (Ravenelle, 2019). Based on 35 interviews with gig workers using the Fairwork framework to evaluate working conditions in the gig economy, this article examines digital labor relations, both on paper and in reality; the conditions and limitations gig workers face daily; and their perceptions regarding such platforms. We discuss the contradictory experiences felt by platform workers, dependent on the platform in some ways, and independent in others. We argue that the inherently contradictory conditions and circumstances of platform work have become even more salient for gig workers in the context of COVID-19: risks increasingly fall on workers as platforms continue to stress their ‘choice’ to do so. This article reveals that the nature of the linkage between platform and worker is eminently a labor relationship, with clearly established elements of worker dependence.
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 | 0,001 | 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 | 0,000 |
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 découle