Fluid Workers and Fluid Work Arrangements in the Age of Digital Technologies
Notice bibliographique
Résumé
The symposium examines the rise of the “fluid workforce,” which includes gig/app/platform workers, freelancers/independent contractors, paid-crowdsourced workers, moonlighters, or hybrid/remote workers whose roles transcend traditional employment boundaries. Driven by digital technologies and accelerated by the Covid-19 pandemic, fluid work offers increased flexibility and autonomy but also raises critical concerns around job security, social protections, and workplace equity. Despite significant media attention, academic research on the implications of fluid work remains relatively scarce. This symposium, linked to a relevant Personnel Review special issue sponsored by the ILO, seeks to bridge this gap by exploring the organizational, managerial, and well-being dimensions of fluid work arrangements. The five presentations featured in the symposium span diverse worker groups, contexts, and research methodologies, offering valuable insights for future research, and for building equitable and sustainable workforce ecosystems. The Last Stop in Fluid Working: Digital Nomadism in Antalya Author: Murat Atalay; Akdeniz University Author: Umut Dagistan; Akdeniz University Understanding Fluid Workers' Adaptation: A Self-Determination Theory Perspective Author: Ana Junça Silva; ISCTE - University Institute of Lisbon Fully Remote Work Realities: Understanding Employee Experience through Online Employee Reviews Author: Stefano Di Lauro; Mercatorum University Author: Aizhan Tursunbayeva; University of Naples
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 | 0,005 | 0,007 |
| 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 | 0,009 | 0,018 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».