The food delivery industry and its lack of care in gender equality: the speculative case of ‘GiGi’
Notice bibliographique
Résumé
This research takes a speculative design-led approach to increase care and safety for the women working in the 'Gig Economy', specifically the food delivery industry.Past research analysing the employment conditions of the Gig Economy have identified unsafe practices that particularly affect female food delivery drivers operating in large cities.Among others, women have no safe access to wash areas, or no possibility to choose safer routes.More recent research put forward regulations or worker unionisation as possible solutions to address some of these problems.Our strategy, based on 'Research through Design' (RtD), envisions the increase of inclusivity, safety, and care by designing a platform -'GiGi' (the author's word game of 'Gig Economy Gigs') -that empowers women through training and professional development.With 'GiGi' we combined technology, service design and business to explore how design practices could increase the level of care for women by developing a 'caring transformation' for the food Gig Economy; through the 'GiGi' physical and digital community hub (self-) employed women can reimagine and redesign their own working conditions beyond its current conditions and limitations.We report on our methods to discuss what implementation a prototype should require to effectively design care through participatory co-creation practices.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».