The platform discount: Addressing unpaid work as a structural feature of labour platforms
Notice bibliographique
Résumé
Digital labour platforms are able to structure work to limit paid working time, extract fees from workers to access labour, and shift costs associated with occupational safety and health (OSH) compliance onto platform workers. We call this unpaid work the ‘platform discount’. Unpaid labour is embedded within platforms’ competitive strategies as platforms operate with labour oversupply while clients use multiple platforms to search for the cheapest option (multi-homing effect). The authors study pathways through law that would limit the incidence of unpaid work by revisiting three areas of the legal framework: working time, safety and health, and access to work/labour intermediation. The authors argue that reclassification, suggested, among others, by the draft Platform Work Directive, can reduce the platform discount for the misclassified workers, but will leave solo self-employed unprotected. The authors explore two possible strategies to reduce the platform discount for the solo self-employed working on labour platforms: 1) a broader understanding of the concept of working conditions on digital labour platforms covering both standard employees and solo self-employed; 2) proceeding area by area, with the extension of occupational safety and health to the solo self-employed on digital labour platforms being the most feasible and promising from a regulatory standpoint.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,013 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».