MétaCan
Menu
Retour à la cohorte
Enregistrement W4388517977 · doi:10.1332/27324176y2023d000000008

The remaking of working classes: digital labour platforms and workers’ struggles in the Global South

2023· article· en· W4388517977 sur OpenAlexfundno aff
Ruth Castel‐Branco, Hannah Dawson

Notice bibliographique

RevueWork in the Global Economy · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésTransformative learningLeverage (statistics)ReproductionWork (physics)Power (physics)SociologyInequalityEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

This themed issue explores the impact of digital labour platforms on the conditions of work and social reproduction in the Global South. The collection of articles – most of which derive from research undertaken by the Future of Work(ers) research group, led by the Southern Centre for Inequality Studies at the University of the Witwatersrand – profile case studies from Argentina, Brazil, India, Kenya, South Africa and Uganda. The case studies focus on location-based platforms in food delivery, e-hailing, e-commerce and beauty and spa work. The collection of articles explores two broad and overlapping themes. The first is how platform business models are redefining the work process and the conditions of work. Here, labour process theory is particularly relevant because it allows us to identify both the points of value production and the sources of working-class power (Kenny and Webster, 2021). The second is the transformative possibilities and limitations of emerging forms of worker organisation. Here the power resources approach is especially useful because it allows us to analyse the extent to which organisations can leverage sources of power to transform the conditions of work and social reproduction. Ultimately, the contributions illustrate that the impact of digital technologies on the world of workers is neither predetermined nor linear. Rather it is shaped by struggle, the terms of which are themselves contingent.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,332
Score d'incertitude au seuil0,874

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,028
Tête enseignante GPT0,268
Écart entre enseignants0,240 · 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 tête enseignante, 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWork in the Global EconomyMême sujetDigital Economy and Work TransformationTravaux en français237 207