Índice Uber
Análise quantitativa do capitalismo de plataforma visto da América do Sul
DOI:
https://doi.org/10.24215/23143924e030Palavras-chave:
Índice Uber, Uber, capitalismo de plataforma, colonialismo digital, transporteResumo
O índice Uber é construído como uma aplicação das contribuições que o foco de estudos na área de Ciência, Tecnologia e Sociedade tem desenvolvido em relação ao capitalismo de plataforma. O referido índice é elaborado a partir do monitoramento da taxa de serviço do Uber em nível global para observar a distribuição da receita entre os motoristas da plataforma em questão, de acordo com sua localização geográfica. Os dados coletados em 39 capitais são comparados com as taxas de serviço de táxi, entendendo-se que esses são valores de referência para estimar o funcionamento do capitalismo tradicional. Essa comparação nos permitiu observar a estratégia de preços do serviço que o Uber está desenvolvendo e a redistribuição da receita do setor segundo critérios diferentes daqueles que operavam no mercado de táxis sem Uber. A afirmação fica clara pelo fato de que em 36 cidades o serviço da plataforma é mais barato que o dos táxis. Esta redução na taxa não é consistente com uma redução nos custos na mesma medida. Para uma melhor interpretação do índice Uber, foi cruzado com o Índice de Desenvolvimento Humano, e a partir deste verifica-se que o capitalismo de plataforma está agrupando cidades para estabelecer sua estratégia de preços baixos em países de médio-alto e alto desenvolvimento, erodindo assim o Condições de trabalho dos motoristas onde o capitalismo tradicional de prestação de serviços por táxi apresentava melhores condições de renda.
Downloads
Referências
Bakshy, Messing y Adamic (2015). Exposure to ideologically diverse news and opinion on Facebook. Science. Vol. 348. Pp. 1130-1132. DOI: 10.1126/science.aaa1160
Christakis N. y Fowler J. (2007). The spread of obesity in a large social network over 32 years. N Engl JMed 2007; 357:370-9.
Christakis N. y Fowler J. (2008). The collective dynamics of smoking in a large social network. N Engl JMed 2008; 358:2249-58.
Correa, J. C., García-Chitiva, M. D. P., & García-Vargas, G. R. (2018). A text mining approach to the text difficulty of Latin American peace agreement. Revista Latinoamericana de Psicología, 50(1), 61-70.
El Espectador, (06 oct. 2016), “La cuestionable estrategia de campaña del No”. El Espectador. https://www.elespectador.com/noticias/politica/cuestionable-estrategia-de-campana-del-no-articulo-658862
Foucault, M. (2011). La arqueología del saber. Buenos Aires: Siglo Veintiuno Editores.
Fowler, J. y Christakis, N. (2008a). Estimating peer effects on health in social networks. J Health Econ ; 27:1400-5.
Fowler, J. y Christakis, N. (2008b). Dynamic spread of happiness in a large social network: longitudinal analysis over 20 years in the Framingham Heart Study. BMJ. Doi: 10.1136/bmj.a.2338
Hatfield, Cacioppo y Rapson (1993). Emotional contagion. Curr Dir Psychol Sci 2(3): 96–100.
Hatfield, Cacioppo y Rapson (1994). Emotional contagion. NewYork: Cambridge University Press, 1994.
Hendricks, J. A. & Denton, R. (2010). Political campaigns and communicating with the electorate in the Twenty-First Century. En J. A. Hendricks & R. Denton (Eds.), Communicator-in-chief: How Barack Obama used new media technology to win the White House (pp. 1-18). Lanham: Lexington Books.
Kossinets G, Watts DJ. (2006). Empirical analysis of an evolving social network. Science; 311. pp. 88-90.
Kraft y Donovan (2020). Disinformation by Design: The Use of Evidence Collages and Platform Filtering in a Media Manipulation Campaign. Political Communication, 37. Pp. 194-214
Kramer, AD., Guillory J.E. y Hancock, J. (2014). Experimental evidence of massive-scale emotional contagion through social networks. PNAS (111-24).
Newman, M, (2003). The structure and function of complex networks. SIAM Rev Soc Ind Appl Math 2003; 45:167-256.
Nowak, M. y Sigmund, K. (2005). Evolution of indirect reciprocity. Nature; 437. Pp. 1291-8.
Papa A. y Bonanno, G. (2008). Smiling in the face of adversity: the interpersonal and intrapersonal functions of smiling. Emotion 2008;1:1-12.
Rader, G. (2015). Understanding User Beliefs About Algorithmic Curation in the Facebook News Feed. https://doi.org/10.1145/2702123.2702174
Rosenquist, Christakis y Fowler (2011). Social Network determinants of depression. Molecular Psychiatry. 16. Pág. 273-281.
Simondon, G. (2007). El modo de existencia de los objetos técnicos. Buenos Aires: Prometeo.
Steinert, S. (2020). Corona and value change. The role of social media and emotional contagion. Ethics and Information Technology. https://doi.org/10.1007/s10676-020-09545-z
Sun, E., Rosenn, I., Marlow, C. y Lento, T. (2009). Gesundheit! Modeling Contagion through Facebook News Feed. Association for the Advantacement of Artificial Intelligence. https://www.aaai.org/ocs/index.php/ICWSM/09/paper/view/185/428
Surakka, V.y Hietanen, J. (1998). Facial and emotional reactions to Duchenne and non-Duchenne smiles. Int J Psychophysiol; 29. Pp. 23-33.
Vaccari, C. (2010). Technology is a commodity: the Internet in the 2008 United States presidential election. Journal of Information Technology & Politics, 7, 318-339.
Zajonc, R. (1985). Emotion and facial efference: an ignored theory reclaimed. Science ;5. Pp. 15-21.
