Las maquiladoras del Sur de México y de América Central: trabajo, género e identidad
Bibliographic record
Abstract
TRABAJO, GÉNERO E IDENTIDAD*Desde que se instalaron las primeras empresas maquiladoras de la Frontera Norte de México, en el año de 1965, el tema ha sido ampliamente estudiado desde distintos abordajes teóricos y metodológicos, mismos que han suscitado posiciones encontradas.En este marco de discusión que acentúa diferencias acusadas en las empresas tra snacionales, condujo a Carrillo y Hualde (1998) a la construcción de una tipología de tres generaciones sustentada en sus niveles de desarrollo tecnológico principalmente y en los procesos de producción cuya naturaleza exige determinada mano de obra, tecnología y equipo.Advertimos que nuestra intención de hacer hincapié en la noción de "maquiladoras" no corresponde a un concepto unívoco, sino que entraña una vasta pluralidad de empresas inscritas en este régimen.Las maquiladoras situadas en el sur de México y de América Central, no causaron tanto interés como las de la Frontera Norte de México, y ha sido tan sólo recientemente que las investigaciones sobre dichas factorías en esa región son cada vez más numerosas.La importancia del empleo generado por la maquila en Centroamérica radica en que son países pequeños con una estructura productiva elemental.Así, a fines de 1996, Carrillo y Hualde registraron que las maquiladoras crearon alrededor de 250 000 empleos directos en esa región, mismos que representaban el 25 y 30% del empleo formal del total del universo.Dicha tendencia observada en los países estudiados en este número, se evalúa en el cuadro 1.Hay que subrayar que las dinámicas en las cuales se sostienen estas empresas, varían considerablemente, imprimiendo una heterogeneidad que se explica por: el lugar donde se ubican, tanto por la procedencia del capital, por la gestión empresarial, la naturaleza del proceso productivo, como por la configuración de la población que proviene de los viveros de reclutamiento de trabajadores y trabajadoras.Es así como en el sur de México y en Guatemala, a diferencia de la frontera norte entre México y los EEUU, el factor étnico es notable en la composición de la fuerza de trabajo, así como también la preeminencia de las maquiladoras de la confección que vertebran este número temático, cuyo proceso de producción descansa en la mano de obra intensiva, esencialmente de mujeres de procedencia rural, sin experiencia previa en el mercado de trabajo industrial.Hechos que inciden notablemente en sus condiciones de trabajo.A estos aspectos se suma que en algunos países de la región, el peso mayoritario de los capitales que operan sean de origen coreano, cuyas gestiones en relación a la mano de obra han sido ampliamente documentadas como gestiones déspotas (Reygadas 1998).Todos estas características hacen que el trabajo de las mujeres (que constituyen el grueso de la población de estas factorías), adquieran particularidades y matices distintos, acorde a la matriz sociocultural de los países, donde operan estas factorías, como se advierte en los estudios que integran este número.Al abordar el tema sobre la presencia de las maquiladoras en el sur de México y en América Central enfatizamos que este proceso forma parte de una vasta dinámica que se inscribe en los avances más Cuadro 1 -Países centroamericanos.Empleo generado en la industria maquiladora.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".