MétaCan
Menu
Retour à la cohorte
Enregistrement W4415907553 · doi:10.1017/s1744552325100207

Social reproduction and migrant labour: extending the view to Sicilian olive groves and tomato greenhouses

2025· article· en· W4415907553 sur OpenAlexaff
Anastasia Tataryn

Notice bibliographique

RevueInternational Journal of Law in Context · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal trade, sustainability, and social impact
Établissements canadiensSt. Jerome's University
Organismes subventionnairesnon disponible
Mots-clésSicilianReproductionSocial reproductionConstruct (python library)SilenceWork (physics)Agriculture

Résumé

récupéré en direct d'OpenAlex

Abstract Social reproduction offers a critical lens through which to analyse how labour law creates and constructs labour/ers. Socially reproductive work, traditionally ignored in waged labour markets, has been omitted from legal categories that protect workers. Yet these same legal categories that create and construct labour/ers are themselves socially reproduced. In Sicilian agricultural work, social reproduction happens in the extra care that is needed in labour carried out by migrantised workers, as well as the silence that is reproduced by markets that overlook the exploitation buttressing a local economy. The lens of social reproduction connects the work behind the scenes that depends on the complicity, whether wilful or ignorant, of consumers who do not ‘care’ that the labour producing Sicilian Denominazione di Origine Protetta (Protected Designation of Origin, DOP) and Indicazione Geografica Protetta (Protected Geographical Denomination, IGP) products is legally irregular. Contributing to discussions of labour law’s limits, this article addresses how labour exploitation is socially reproduced through the invisibilisation of labour involved in cultivating and harvesting Sicilian DOP olives and IGP tomatoes.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,047
Communication savante0,0100,005
Science ouverte0,0010,008
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,024
Tête enseignante GPT0,313
Écart entre enseignants0,289 · 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'étudeQualitatif
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Law in ContextMême sujetGlobal trade, sustainability, and social impactTravaux en français237 207