"I'm not working, but I'm a professional": Precarious employment pathways, consequences, and resistance strategies impacting the health of racialized immigrant women
Notice bibliographique
Résumé
Precarious employment, which is characterized by low wages, insecurity, few entitlements, and a higher risk of ill health, is on the rise in Canada; however, precarious forms of employment are not equally distributed across society, but are borne disproportionately by some groups, including racialized immigrant women. To better understand the impact of precarious employment on the health of racialized immigrant women, I conducted a qualitative study consisting of semi-structured interviews (n=21) and two follow-up focus groups (n=11) with women in Southwestern Ontario. The women were recruited through a combination of convenience and snowball sampling and were compensated for their time as well as childcare and transportation costs. With this doctoral study, I explored the pathways between precarious employment and women’s health, as well as the associated consequences. My study was guided by feminist and constructivist grounded theory methodologies and informed by both intersectional feminist and social determinants of health perspectives. With this critical lens, particular attention was paid to the intersection of gender, race, class, and immigrant status in relation to precarious employment and health. Further, data were collected and analyzed using an iterative and reflexive approach and guided by feminist research ethics. Within this dissertation, I present the findings from this study including direct and indirect pathways between precarious employment and health, non-employment related health and safety risk factors, and strategies employed to resist precarious employment. In addition, I discuss the findings in relation to relevant literature, as well as several policy considerations and areas for future research.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,010 | 0,006 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 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 ».