MétaCan
Menu
Retour à la cohorte
Enregistrement W6988009182

Worker Empowerment through Multi-Stakeholder Governance? A Solidarity Co-operative Case Study

2022· dissertation· en· W6988009182 sur OpenAlexaboutno aff

Notice bibliographique

RevueSpectrum Research Repository (Concordia University) · 2022
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMachine Learning in Bioinformatics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSolidaritySolidarity economyCorporate governanceEmpowermentParticipant observationDemocracyPerspective (graphical)Democratic governance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Multi-stakeholder co-operatives (MSCs), which allow for multiple parties (both consumer and worker, for example) to share in governance, have come to define a number of regional co-operative models worldwide and are often characterized as particularly inclusive and capable of expanding the democratic capacity of the co-operative movement. In Quebec, the solidarity cooperative—a multi-stakeholder model through which ownership is divided between multiple parties including workers, consumers, and “supporting members” who often represent other organizations —has proliferated significantly in the last several decades and directly encourages the formation of networks across the social economy through its unique governance structure. In addition to the strengths of this model, a number of challenges and tensions arise from its hybridization of worker and consumer co-operative models. This master's thesis examines these tensions from a worker’s perspective using a participant observation case study of The Hive Café, a solidarity cooperative operating out of Concordia University in downtown Montreal. Both formal and informal divisions between workers and other groups within solidarity cooperative governance are explored with the aim of extracting insights useful to those seeking to build socially-oriented economic alternatives.

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,490
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
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 Opus0,042
Tête enseignante GPT0,351
Écart entre enseignants0,309 · 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.

Devis d'étudeSans objet
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 revueSpectrum Research Repository (Concordia University)Même sujetMachine Learning in BioinformaticsTravaux en français237 207