MétaCan
Menu
Back to cohort
Record W4296677622 · doi:10.35424/anam.v7i14.2611

Esencial... ¿para quién exactamente? Trabajar en la agricultura de temporada en Canadá y en las maquiladoras de México

2022· article· es· W4296677622 on OpenAlexaff
Marie France Labrecque

Bibliographic record

VenueAntropología Americana · 2022
Typearticle
Languagees
FieldEconomics, Econometrics and Finance
TopicCOVID-19 Pandemic Impacts
Canadian institutionsUniversité Laval
Fundersnot available
KeywordsHumanitiesArtPolitical science

Abstract

fetched live from OpenAlex

En abril de 2020, al cerrarse la frontera canadiense debido a la pandemia, los trabajadores migrantes temporales del Programa de Trabajadores Agrícolas Temporales (PTAT), en particular los procedentes de México, fueron declarados “esenciales” y se les permitió entrar en Canadá. Un mes después, a pesar del cierre, en México las maquiladoras de autopartes recibieron la orden del gobierno de reabrir al considerar su trabajo como algo “esencial”. Este artículo aborda ambas situaciones. Metodológicamente, se basa en un seguimiento documental de varias investigaciones etnográficas realizadas en los últimos años con estos trabajadores. Desde la perspectiva de la economía política, se destacarán los vínculos estructurales entre el trabajo estacional en el sector agroalimentario canadiense y el trabajo en las maquiladoras mexicanas con la economía global. A continuación, se procederá a mostrar cómo y para quién este trabajo es realmente esencial, mientras que la precariedad sigue siendo la suerte de los trabajadores de ambos sectores. También se demostrará cómo, en tiempos de pandemia, esta precariedad se exacerba a nivel estructural y se refleja en el deterioro de las condiciones de trabajo y de vida para todos. Este artículo invita, pues, a reconsiderar no el carácter esencial de los trabajadores de estos dos sectores y de muchos otros, sino el uso que se hace del propio término.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.571
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0000.000
Open science0.0010.001
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0030.000

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.

Opus teacher head0.017
GPT teacher head0.263
Teacher spread0.247 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueAntropología AmericanaSame topicCOVID-19 Pandemic ImpactsFrench-language works237,207