Short-Term Digital Platform Work’s Long-Term Impact on Livelihoods
Notice bibliographique
Résumé
As platformization and virtualization of work gain prominence in the digitally connected world, parallel efforts are being made to narrow the digital divides, driving the globalization of short-term digital labor as both a rapidly evolving theoretical construct and a practical reality. Although the disproportionate influence of platforms on Global South development is a growing area of concern, the global reach of platforms does not necessarily imply a uniform impact on development gains and constraints across different developing regions. This review paper explores this interplay between digital platform work and local development, particularly emphasizing the long-term impact of platform-mediated digital work on workers’ livelihoods in the Global South. The study delves into how the variation in local contextual factors changes the livelihood outcomes of platform work in different Global South countries. The study focuses on three key areas endogenous to local development, i.e., access to decent work, employability skills development, and workers’ resilience within the ever-changing job market. A realist synthesis method is used to distinguish between different scholarly perspectives across various disciplines and geographic areas. The findings are further utilized to refine a conception of the Sustainable Livelihood Framework, providing a tool that broadens the scope of platform work analysis to account for the diverse structural and contextual factors impacting workers’ livelihoods in different regions. The study calls for a thorough examination of the uneven distribution of platform labor outcomes, focusing particularly on the local contextual factors contributing to this disparity.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».