«Coup de balai» sur le développement. Regards croisés sur les migrations des travailleuses domestiques philippines
Bibliographic record
Abstract
Parmi les figures notables du développement, on ne peut faire l’économie des travailleuses domestiques philippines. Ces femmes qui s’engagent en tant que travailleuses domestiques dans l’économie mondialisée du care (« prendre soin ») sont devenues l’une des figures clés du développement économiques de l’archipel philippin, au point d’être représentées comme les « diamants du care » (Parreñas, 2012), « le nouvel or du monde » (Hochschild, 2004) ou encore les « Mercedes-Benz » des travailleuses domestiques (Mozère, 2002). Parreñas rappelait à ce propos que « les femmes philippines ont été stéréotypées comme des personnes naturellement aptes à s’occuper des personnes âgées et des enfants dans les pays riches d’Asie, d’Europe et des Amériques » (2007, p. 43) au point que, dans certains dictionnaires anglais, italiens ou encore grecs, l’entrée « Philippine » [Filipina] a été associée à la profession de « travailleuse domestique ». Ce terme est, par ailleurs, largement entré dans le langage commun, en Asie du Sud-Est par exemple. Derrière cette figure, ce sont plus de 180 000 candidates à l’émigration comme travailleuses domestiques qui, chaque année, sont recrutées, formées, puis « déployées » vers des pays avec lesquels le gouvernement philippin a signé des accords bilatéraux afin de faciliter leur engagement, à savoir l’Arabie saoudite, le Bahreïn, le Qatar, le Koweït, Oman, les Émirats arabes unis, Hong Kong, la Malaisie, Singapour, Chypre, Israël, l’Italie, le Canada. Ces femmes font partie des plus de 2,3 millions de travailleurs expatriés philippin…
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 | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".