MétaCan
Menu
Retour à la cohorte
Enregistrement W4399515263 · doi:10.5821/mt.12845

Covid-19 and after: About human factors and welfare in shipping

2024· article· en· W4399515263 sur OpenAlexfundno aff
Raphaël Baumler, Johan Hollander

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMaritime Navigation and Safety
Établissements canadiensnon disponible
Organismes subventionnairesSveriges RegeringMinistry of Rural Affairs
Mots-clésWelfareBusinessRepatriationCoronavirus disease 2019 (COVID-19)Work (physics)PopulationFinancial crisisHealth careEconomic growthEnvironmental healthMedicinePolitical scienceEconomicsEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

The COVID-19 crisis locked sea workers on their ships for extended periods. They have been deprived of their right to repatriation or shore leave. Their employment agreements were extended, medical assistance failed, and financial challenges affected them. The crisis revealed the lack of care for seafarers, which may have mid-term and long-term consequences for this population. The study elaborates on 54 in-depth interviews and confirms challenges such as downgraded working conditions, including high work-related stress and few opportunities for recovery, prioritization of commercial interest over well-being, limited or no signs of improvements in seafarers' well-being, and insufficient care for seafarers. Additionally, the data indicates seafarers have been particularly resilient and adaptive during the crisis. However, the absence of care and respect combined with the insufficient recognition of their role after the crisis may seriously augment the intention to quit the occupation. Cooperation between the industry and authorities was deemed insufficient to protect seafarers' well-being and health globally. In conclusion, the COVID-19 crisis revealed the shipping industry's latent deficiencies in caring for seafarers. Interviewees agreed that the future of shipping depends on establishing a culture of care.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,194
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,261
Écart entre enseignants0,248 · 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.

Devis d'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMaritime Navigation and SafetyTravaux en français237 207