MétaCan
Menu
Retour à la cohorte
Enregistrement W6982905359

La población jornalera agrícola migrante en tiempos de pandemia en México

2022· article· en· W6982905359 sur OpenAlexaboutno aff

Notice bibliographique

RevueDialnet (Universidad de la Rioja) · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAmerican History and Culture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWorking populationQuarter (Canadian coin)Working hoursAgricultureWork (physics)PopulationGovernment (linguistics)Working class
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The presence of COVID-19 forced companies and the government to fire workers or return them home, but this measure was not applied to the migrant agricultural laborer population who go to work in export agriculture. This article tries to show that the imbalances in working conditions already existed before the pandemic, despite the fact that employment among agricultural day laborers was not significantly reduced, working conditions deteriorated sharply. It is based on the hypothesis that the increase in the deterioration of working conditions occurred not because of the impacts of COVID-19, which reduced migration from the expelling States to export agriculture, but rather that employers, taking advantage of the contraction in the employment of non-agricultural activities and the increase in the labor supply, intensified the precarious conditions of work for those employed in agriculture. The methodology used is based on the records of the National Survey of Occupation and Employment, ENOE, third quarter of 2018, 2019 and 2020, before and with the pandemic. The finding of the work is that it is shown with official statistics that working conditions deteriorated strongly, critical conditions of occupation increased, wages and income were reduced and the working day increased for internal migrant agricultural day laborers in Mexico when comparing the behavior of the employment of day laborers before and in the pandemic.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,190

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,005
Tête enseignante GPT0,201
Écart entre enseignants0,196 · 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'étudeObservationnel
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'admission1
Résumé présentoui

Explorer davantage

Même revueDialnet (Universidad de la Rioja)Même sujetAmerican History and CultureTravaux en français237 207