Platform Cooperatives and Poverty Eradication: Building on the Legacy of Johnston Birchall
Notice bibliographique
Résumé
made tremendous contributions to research on cooperatives, including the contributions cooperatives can make to tackling poverty. His work on this subject was largely carried out at a time when the Millennium Development Goals were the touchstone for global efforts to address the needs of the world's poorest people. Since then, not only has the global economy been affected by digitalization, financial crises, climate change, and pandemics, the discourse on poverty has also changed due to the promulgation of the UN Sustainable Development Goals. An example of this is the connection between digital inequality and poverty. Our objective in this essay is to distill the key contributions of Birchall's work on cooperatives and poverty, position them within the evolving context of multi-dimensional global poverty and the platform economy, and chart a path forward for future research that can continue their development. We first identify Birchall's four key takeaways from his research on cooperatives and poverty reduction. We then introduce the distinguishing features of corporate platforms and summarise prior research on the link between the platform economy and poverty. We then turn to the core part of our essay, which focuses on tracing the rise of platform cooperatives and assessing whether the four takeaways fit cooperatives operating in the context of the platform economy. We identify points of convergence, and areas for further refinement and future research. We hope that this will encourage research on the potential contribution that platform cooperatives can have in addressing poverty and other societal challenges.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».