MétaCan
Menu
Retour à la cohorte
Enregistrement W4416926333 · doi:10.36939/cjur/vol30no--/art356

Just rides: Ride-hailing, the capabilities approach and the just city

2022· article· W4416926333 sur OpenAlexaffvenueabout

Notice bibliographique

RevueCanadian journal of urban research · 2022
Typearticle
Langue
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSolidarityFlexibility (engineering)EmpowermentEconomic JusticeLocal governmentGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

Vehicle-for-hire services are critical for the local economy and are frequently regulated by municipalities. With ridehailing platforms taking a dominant role in organizing the industry today, the treatment of workers has emerged as a subject for political debate about what municipalities can do to support local workers. This case study examines how justice for platform drivers should be considered at the municipal scale. It does so by examining the experience of drivers in the City of Toronto and surrounding Greater Golden Horseshoe. Drawing on Susan Fainstein’s just city theory and particularly her use of the capabilities approach to human development, the paper examines how diverse values are expressed in the capabilities of individual drivers. Results show that drivers are drawn to the flexibility of the industry but are empowered only by sacrificing other capabilities and ultimately suffer from multiple vulnerabilities such as poor pay and unfair discipline. At the same time, the paper finds a latent solidarity amongst drivers that seeks empowerment against arbitrary and unilateral judgements from platforms or government regulators. The paper concludes by considering a renewed orientation for local authorities to support drivers by enabling driver capabilities.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,209
Score d'incertitude au seuil0,415

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,026
Communication savante0,0090,007
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,101
Tête enseignante GPT0,307
Écart entre enseignants0,206 · 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'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
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian journal of urban researchMême sujetTransportation and Mobility InnovationsTravaux en français237 207