MétaCan
Menu
Retour à la cohorte
Enregistrement W4408210769 · doi:10.1017/s0305741024001577

Little to Lose: Exit Options and Attitudes towards Automation in Chinese Manufacturing

2025· article· en· W4408210769 sur OpenAlexaff
Nicole Wu, Zhongwei Sun

Notice bibliographique

RevueThe China Quarterly · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Michigan
Mots-clésStatus quoAutomationWorryBusinessLabour economicsChinaOutsourcingWork (physics)MarketingDemographic economicsEconomicsAnxietyPolitical scienceEngineeringPsychologyMarket economy

Résumé

récupéré en direct d'OpenAlex

Abstract Recent discussions on the future of work emphasize the negative effects of labour-replacing technology on employment and wages. However, original surveys and field research show that Chinese manufacturing workers currently consider themselves the beneficiaries of technological upgrading. This paper presents quantitative and qualitative evidence from two original surveys of over 2,400 workers and 600 companies in the manufacturing sector, interviews with firm managers and workers from 76 companies, and 34 factory visits in 19 cities in southern China. It finds that insofar as labourers experience automation anxiety, local workers are more likely than internal migrant workers to worry about technological displacement and are more pessimistic about their prospects of securing comparable employment after displacement. Owing to the features and consequences of the household registration system, internal migrants have a larger set of acceptable exit options that are no worse than their status quo, contributing to their lower anxiety about automation compared to locals. These findings suggest that automation susceptibility does not directly translate into automation opposition as previously assumed; institutions can shape technological receptiveness among people who face similar threats of automation by altering their exit options.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil0,192

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 savante0,0000,001
Science ouverte0,0000,000
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 Opus0,008
Tête enseignante GPT0,289
Écart entre enseignants0,281 · 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'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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe China QuarterlyMême sujetDigital Economy and Work TransformationTravaux en français237 207