Capitalizing COVID-19: A Content Discourse Analysis of Corporate Welfare Perceptions Amid a Global Pandemic
Notice bibliographique
Résumé
Corporate welfare has covertly thrived throughout the COVID-19 pandemic, providing society’s elite with “financial relief” in the form of government subsidies. This method of financial relief is known as the Canada Emergency Wage Subsidy (CEWS), and continues to be used as a method in which corporate welfare transpires. CEWS, a publicly funded benefit initially implemented with the intention to ease businesses back into normal operations, promote their lifespans, prevent additional job losses and re-hire workers, has additionally been used as a means for large, highly solvent corporations to dispense dividends to shareholders and executives amid the economically challenging pandemic of COVID-19. Considering COVID-19 amplified economic insecurity to exceptional levels, questioning and scrutinizing the allocation of tax dollars has been an especially intensified public practice warranting additional research.\nAccording to the Government of Canada, the Canada Emergency Response Benefit has totalled $74.08 billion in CERB payments alone, while the Canada Emergency Wage Subsidy totalled $94.43 billion in approved subsides as of October 3rd, 2021 (Canada Revenue Agency, 2021). Despite the $20.35 billion-dollar difference, the research on Canada’s attitudes towards CERB has far out-paced that on CEWS. To help correct this, this research will seek to reveal how Canadians perceive CEWS and its distribution to large corporations in order to bridge the existing gap between government funded support programs and individual perceptions, as well as contribute to the vast and emerging literature surrounding COVID-19. As such, this research not only intends to uncover and showcase Canadian perceptions towards CEWS and corporate welfare, but to also facilitate discussion regarding the study’s findings while recommending social justice based solutions that stem from the research discoveries.
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 | 0,017 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,016 | 0,023 |
| Communication savante | 0,013 | 0,013 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,006 |
| 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 ».