MétaCan
Menu
Retour à la cohorte
Enregistrement W4401822088 · doi:10.4236/jss.2024.128023

On-Demand Work in the Gig Economy: The Experience of Young Immigrants in Quebec

2024· article· en· W4401822088 sur OpenAlexaboutno aff
Diane‐Gabrielle Tremblay, Marie Hélène Yao

Notice bibliographique

RevueOpen Journal of Social Sciences · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGig economyImmigrationWork (physics)BusinessEngineeringLabour economicsEngineering managementEconomicsPolitical scienceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Changes in the labor market primarily affect young people, and new forms of work associated with the Gig economy and the “uberization” phenomenon have significant impacts on young workers, particularly young immigrants. This results in major consequences in terms of job precarity and engagement, or new forms of engagement in work and employment. The prevalence of precarious employment affects all young people, but especially young immigrants or those from immigrant families. Our aim was to analyze this employment situation which manifests itself in specific sectors like digital mobility and delivery services, which we have studied. Our theoretical framework is based on labor market segmentation, and refers to issues of precarity and access to the labor market, particularly the debate about whether precarious jobs serve as bridges to better employment or traps that do not allow access to permanent or at least regular employment. The research method is qualitative, based on 22 interviews, with 17 men and 5 women, as there is a predominance of men in these jobs. The results show that this on-demand employment situation leads to limited work engagement, as this type of job is seen not only as temporary but also unlikely to serve as a “bridge” to better employment and professional integration, resulting in some disengagement among young people who take these jobs during their studies and early attempts to enter the labor market.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,245
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,030
Tête enseignante GPT0,331
Écart entre enseignants0,301 · 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'étudeQualitatif
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Journal of Social SciencesMême sujetDigital Economy and Work TransformationTravaux en français237 207