Justice et décence dans la transition énergétique : analyse des engagements de RSE d'Uber et de leurs effets sur la rémunération des travailleurs de plateforme
Notice bibliographique
Résumé
Ce mémoire de recherche analyse les enjeux d’une transition énergétique dite « juste » dans le contexte de double transition énergétique et numérique en s’intéressant particulièrement aux travailleurs de plateformes numériques. Si la littérature révèle déjà la précarité structurelle des chauffeurs Uber, la question se pose de savoir si la stratégie de décarbonation d’Uber, en incitant à l’adoption de véhicules électriques, accentue cette précarité ou ouvre la voie à une transition plus équitable. En mobilisant les cadres théoriques de la transition juste (TJ) et du travail décent, la recherche examine l’articulation entre les engagements environnementaux d’Uber (au travers de sa responsabilité sociale), les logiques économiques qui les sous-tendent et leurs répercussions concrètes sur la rémunération des chauffeurs autonomes de Montréal. Elle propose une réflexion interdisciplinaire à l’intersection du droit, de l’économie du travail et de la gouvernance d’entreprise, afin de penser les conditions d’une transition énergétique véritablement juste et inclusive.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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.
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 ».