Artificial intelligence and work: transforming work, organizations, and society in an age of insecurity
Notice bibliographique
Résumé
In an era marked by insecurity from neoliberalism, financial volatility, political instability, regional conflicts, pandemics, and the climate crisis, Artificial Intelligence (AI) is revolutionizing our work, organizations, societies, and the environment. This critical text explores who truly benefits from AI's development and deployment, offering a comprehensive overview of AI's nature, history, and applications. It delves into crucial themes such as the future of work, digitalization, neoliberalism's impact, power dynamics, ethics, inequality, gender, race, intersectional discrimination, and environmental sustainability.<br/><br/>Unlike practical machine learning guides, this book examines how AI and AI-based technologies are transforming work, highlighting both benefits and potential harms. Combining critical management and leadership studies with organizational sociology, it addresses societal implications, inequality, ethics, and power often overlooked by other textbooks. John Bratton's lucid and engaging writing style brings a cutting-edge subject to life, blending breadth, critical analysis, and academic rigor. Contemporary examples illustrate AI's real-life implications for organizations and work today, while thought-provoking questions encourage readers to engage with and reflect on the topics throughout.<br/><br/>Authored by John Bratton, an Honorary Professor at Queen’s University Belfast, and Laura Steele, a Senior Lecturer in Business and Society at Queen’s University Belfast, this interdisciplinary text is essential for students studying contemporary and emerging issues in business and management, including AI, business analytics, digitalization, and the future of work. It is also recommended for courses on the sociology of work, ethics, organization studies, management, leadership, and HRM. This book is poised to become an essential textbook for courses on AI, digitalization, and the future of work, making it a valuable resource for students and educators alike.<br/><br/>
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».