Conceptualizing E-Persona through self-branding strategies on Fiverr
Notice bibliographique
Résumé
Technological advancement led to the emergence of an ‘Online Labor Market’ establishing non-conventional work relationships between individuals and clients. Despite the flexibility of work, Demirel and the team identified hierarchical positioning of gig workers into the Global North and South. Furthermore, the online labor market does not provide a meritocratic space for freelancers. Conversely, freelancers in different countries encounter symbolic violence . Likewise, Gussek and Wiesche also highlight the role of algorithmic management constituting power asymmetries such as geographical, racial and gender-based discrimination of freelancers. Munoz adds further that the algorithmic material agency also deconstructs the active representation of the freelancer’s self in a digital context termed as e-persona. Consequently, a freelancer performs strategies such as self-branding to participate in the visibility games of the Online Labor Market. This study investigated the Self-branding strategies performed by Pakistani freelancers to counter the nested precarities of visibility and power asymmetries operating on Fiverr. The data was collected in the form of an asynchronous online survey. The questions were designed to attain freelancers’ demographics, opinion and behavior. The responses were analyzed in the light of Dramaturgical theory to understand self-branding as a ‘manner’ or role taken by freelancers as actors. The findings revealed five major self-branding strategies considered pivotal for consistent performance and enhanced visibility in a freelance marketplace. Furthermore, the researchers were able to identify a career trajectory for freelancers in specific domains of service. The researchers encourage intensive research on digital labor platforms for an improved understanding of the online 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,014 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».