MétaCan
Menu
Retour à la cohorte
Enregistrement W4404823034 · doi:10.4324/9781003036425-4

Labor here, consume there, accumulate everywhere

2024· book-chapter· en· W4404823034 sur OpenAlexaboutno aff
Pauline Gardiner Barber, Catherine Bryan

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlmost everywhereEconomicsHistoryMathematics

Résumé

récupéré en direct d'OpenAlex

Probing beyond statistics, Barber and Bryan’s chapter examines the improvisations of capital and labor along the Philippines–Canada migration corridor. With reference to ethnographic cases coinciding with the feminization of Philippine labor export in the 1980s and the restructuring of Canada’s immigration system since 2008, the chapter explores the experiences over time of many well-qualified migrants arriving in Canada as temporary workers traveling under different visa programs where increasingly well-educated women predominate. Many well-educated Filipinos drawn to Canadian futures have sought transfer to permanency through targeted federal and/or provincial immigration programs described here. The authors argue that the social reproduction of Philippine migration can be linked to women’s social reproductive labor in the care sector and later in healthcare and food services, where migrant contributions to mobile capital as workers in Canada and consumers in the Philippines, in one global food service corporation, well illustrates the social reproduction of Philippine migration with its anchoring in feminized migration. The chapter concludes with a brief mention of how the COVID pandemic exposed the continuing vulnerability of Philippine migrant workers despite their major contributions to the nation’s economy and to the countries where their labor services the accumulation projects of internationally mobile capital.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,005
Communication savante0,0050,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0200,005

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 Opus0,028
Tête enseignante GPT0,278
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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 sujetDigital Economy and Work TransformationTravaux en français237 207