MétaCan
Menu
Retour à la cohorte
Enregistrement W7020319598

La gamification du travail dans l'économie de plateforme : le cas de Uber à Montréal

2024· other· fr· W7020319598 sur OpenAlexaboutno aff

Notice bibliographique

RevueArchipelago (University of Quebec in Montreal) · 2024
Typeother
Languefr
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Qualitative analysisWork environment
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La gamification est une technique managériale utilisée par les plateformes numériques de travail. Elle se matérialise sous forme de notes d’évaluation, de points à gagner, de défis à relever. Sous-catégorie de la gestion algorithmique, la gamification cherche principalement à fidéliser les travailleur.ses autonomes sans remettre en question ce statut et permet de mettre en place des incitatifs à la production. Elle est présentée par ses promoteurs comme un outil managérial win-win puisque motivant « en douceur » les travailleur.ses et leur permettant d’augmenter leur rémunération. Grâce à une enquête qualitative composée d’une « netnographie » et d’entretiens semi-dirigés avec des chauffeurs Uber travaillant dans la région du Grand-Montréal, la pratique de la gamification et son degré d’influence sur la motivation des travailleur.ses et leurs conditions de travail sont documentés. Les résultats de l’enquête qualitative montrent que les travailleur.ses sont principalement motivés par les incitatifs accompagnés de gain financier, invalidant l’idée avancée par les discours managériaux selon laquelle la participation au jeu est une motivation en soi. Les résultats mettent également en lumière certains effets pervers comme le constat que la gamification permet de remplacer progressivement des rémunérations stables et prédéfinies par des rémunérations incertaines et personnalisées. L’enquête conclut que la gestion algorithmique « bonifiée » par la gamification ne laisse aucune marge de manoeuvre aux travailleur.ses quant à leur influence sur l’organisation du travail, y compris quand ces derniers mettent en oeuvre des stratégies de résistances dans le but de conquérir un peu d’autonomie.
\n_____________________________________________________________________________ 
\nMOTS-CLÉS DE L’AUTEUR : gamification, nouvelles techniques managériales, gig economy, plateformes numériques de travail, gestion algorithmique, contrôle du travail, Uber.

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)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,551
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,188
Écart entre enseignants0,182 · 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'étudeQualitatif
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchipelago (University of Quebec in Montreal)Même sujetDigital Economy and Work TransformationTravaux en français237 207