En busca de trabajadores cuasi subordinados en China. Tipología de riders según su grado de dependencia y subordinación económicas
Bibliographic record
Abstract
La situación laboral de los trabajadores de plataformas ha generado debate tanto en China como en el ámbito internacional. En el presente estudio se construyen indicadores contextuales específicos para identificar a los trabajadores cuasi subordinados en el mercado laboral chino, tomando como referencia los umbrales jurídicos de una selección de países desarrollados y los indicadores estadísticos elaborados por Eurofound y Eurostat. Entre diciembre de 2021 y enero de 2022, se distribuyeron cuestionarios en línea en cinco ciudades chinas para medir los niveles de subordinación de 7 680 repartidores a domicilio en motocicleta o bicicleta (riders) en la economía de plataformas. Se clasificó a los trabajadores en subtipos basados en dos dimensiones: dependencia económica y subordinación personal. Los resultados indican que solo un 19 por ciento de los riders pueden clasificarse en el marco binario existente de «empleados frente a trabajadores independientes», mientras que el resto debería agruparse en una nueva categoría de «trabajadores cuasi subordinados». El análisis estadístico muestra diferencias significativas en cuanto a las condiciones de trabajo de los distintos subgrupos. Se observa que un alto grado de dependencia económica es un factor predictivo de jornadas laborales más largas, mayor intensidad de trabajo y mayor presión laboral percibida, mientras que un alto grado de subordinación personal está relacionado con una baja satisfacción laboral. La cobertura de seguros sociales es insuficiente sobre todo para los subgrupos con mayores niveles de subordinación.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.009 | 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".