Les transformations du travail à l’ère du numérique et de l’« économie collaborative » : pistes d’analyse et de réflexion
Bibliographic record
Abstract
L’émergence des plateformes numériques change fondamentalement la nature du travail, les façons de fonctionner des entreprises et l’organisation de l’activité productive, donnant naissance à ce qu’on appelle l’« économie collaborative ». Nous assistons, depuis quelques années, à l’émergence de grandes plateformes telles Uber, Airbnb ou Foodora, qui sont les plus connues; mais d’autres plateformes de service telles qu’Adèle sur demande émergent et sont présentes sur le territoire québécois. Que sait-on quant au nombre de ces plateformes et de leurs collaborateurs? Est-ce que l’ensemble de ces plateformes de services engendre les mêmes formes de travail? Les effets bénéfiques ou néfastes de ce type de travail sont-ils partagés par l’ensemble des travailleurs oeuvrant au sein d’une même plateforme? Partant de ces interrogations, le présent article propose une description réflexive et problématique des enjeux relatifs au travail dans le contexte de l’émergence de ce qu’on appelle l’« économie collaborative ». Dans un premier temps, nous examinons l’objet de recherche que sont les plateformes numériques en tant que nouvel acteur de l’économie contemporaine. Dans un deuxième temps, nous exposons les difficultés d’estimation et les limites d’analyse des nouvelles formes de travail effectuées par l’intermédiaire des plateformes. Dans un troisième temps, en tenant compte de l’état des études sur ce sujet, nous proposons des pistes de réflexion pour souligner la nécessité d’un programme de recherche interdisciplinaire sur ce phénomène en émergence.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.005 | 0.026 |
| Scholarly communication | 0.016 | 0.013 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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".