MétaCan
Menu
Retour à la cohorte
Enregistrement W4415624043 · doi:10.1332/27324176y2025d000000048

Futures of industrial work? Economic restructuring and the ambivalent realities of technological change

2025· article· en· W4415624043 sur OpenAlexaff
Nina Ebner, Bronwyn Bragg, Hannah Schling

Notice bibliographique

RevueWork in the Global Economy · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésRestructuringTechnological changeFutures contractScholarshipNarrativeAmbivalenceVariety (cybernetics)Economic restructuring

Résumé

récupéré en direct d'OpenAlex

The ‘future of work’ in manufacturing or similarly positioned ‘productive’ sectors is an increasing public and academic concern. Debate tends to polarize between anxious and dystopic accounts that explore the threat of technological change to existing industries and celebratory, optimistic accounts that focus on the ambitious promises of possible futures. In response, a critical labour studies scholarship has argued that these narratives tend to be overly determined by conversations about technology and less focused on how technological transformation has historically and will continue to exacerbate, reinscribe, or reshape existing exclusions within labour markets and workplaces. These optimistic narratives also fail to address the non-technological drivers of the global restructuring of work and employment, in particular the way the current realities of work are rooted in (neo)colonial, racialized, and gendered histories and presents of exploitation, resource extraction, and social reproduction. Drawing on five empirical contributions from a variety of industrial contexts across the Global South and North, this special issue deepens our understanding of how ‘future of work’ discourses and practices, including efforts (and desires) to automate and innovate, impact and coexist with industries and labour relations that have hitherto been slow to automate, remain un-automated, or are resistant to technological change.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,343
Score d'incertitude au seuil0,382

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
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 Opus0,029
Tête enseignante GPT0,268
Écart entre enseignants0,239 · 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'étudeThéorique ou conceptuel
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 revueWork in the Global EconomyMême sujetDigital Economy and Work TransformationTravaux en français237 207