The Great Recession and New U.S. Automobile Employment Norms: Financial Rationale in the ‘Employment Grey Zone’
Bibliographic record
Abstract
L’article étudie le processus difficile de normalisation de la relation d’emploi dans l’industrie automobile aux États-Unis au moment de la crise dans l’industrie et de l’intervention sans précédent de l’État, pendant la Grande Récession de 2009. Des changements intervenant aux « frontières » des relations contractuelles, perçus en termes générationnels, ont remis en cause la norme salariale unique : une grille de carrière inférieure pour les primo entrants et un système d’assurance maladie spécifique pour les retraités, par l’intermédiaire d’un nouvel acteur dans les relations professionnelles, la VEBA, un fonds d’investissement en bourse. Il met l’accent sur l’influence grandissante de la logique financière dans le processus de recodification des normes d’emploi, que cela soit dans l’établissement des normes salariales ou à travers la VEBA, comme prestataire d’avantages sociaux et à cause du rôle du fonds dans le sauvetage des entreprises, la General Motors et Chrysler, sous l’injonction de l’État. Les tensions qui en découlent, du lieu du travail jusqu’à la vie familiale des travailleurs, ont soulevé un défi pour le syndicat unique des entreprises, l’UAW, dans son mandat qui consiste à représenter l’ensemble des travailleurs automobiles, et ont marqué le compromis sociopolitique qui a été réalisé lors des négociations collectives de 2015. Cette période courte, mais non moins cruciale, a donné lieu à une « zone grise d’emploi », le théâtre d’indéterminations et de confrontations entre parties prenantes où les stratégies individuelles et collectives des travailleurs ont joué un rôle déterminant dans l’issue des événements.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.006 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".