MétaCan
Menu
Retour à la cohorte
Enregistrement W4391480673 · doi:10.1177/13548565241227391

Social media and platform work: Stories, practices, and workers’ organisation

2024· article· en· W4391480673 sur OpenAlexaff
Júlia Vilasís-Pamos, Fernanda Pires, Rafael Grohmann, Willian Fernandes Araújo

Notice bibliographique

RevueConvergence The International Journal of Research into New Media Technologies · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSocial mediaWork (physics)SociologyPublic relationsKnowledge managementMedia studiesPolitical scienceComputer scienceWorld Wide WebEngineering

Résumé

récupéré en direct d'OpenAlex

This article introduces the special issue, ‘Social Media and Platform Work: Stories, Practices, and Workers’ Organisation’. In recent years, platform labour studies have increasingly focused on how the growing platformisation of labour has changed work activities, labour processes, work organising, identities, and collectivities. The literature has highlighted the role of media, communication, and social media in platform labour, but more research is needed on these interrelationships. Precisely, the analysis of platform work is necessary due to its complexity and interest in political, economic, social, cultural, and health terms. Throughout the special issue, different contributions are presented that analyse how the emergence of these new jobs brings a set of inequalities that complexify the notion of ‘work’ and dilute workers’ rights, leading to a precarious situation. The use of social media plays a crucial role in the platformisation of labour as it enables the creation of social relationships between workers but also opens the door to communicating, disseminating their work, and even learning informally and about their work. However, the use of social media can also lead to a precarious combination of platform work and content creation – or cultural production. In this regard, it is worth noting to analyse and approach the relationship between platform work and social networks precisely by addressing both perspectives, considering possible vulnerabilities derived from these situations and situations of precariousness.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,720
Score d'incertitude au seuil0,717

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,131
Tête enseignante GPT0,407
Écart entre enseignants0,276 · 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'étudeAutre devis
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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConvergence The International Journal of Research into New Media TechnologiesMême sujetDigital Economy and Work TransformationTravaux en français237 207