MétaCan
Menu
Retour à la cohorte
Enregistrement W1495791997 · doi:10.1002/9781118900772.etrds0168

How Do Labor Market Networks Work?

2015· other· en· W1495791997 sur OpenAlexaff
Brian Rubineau, Roberto M. Fernandez

Notice bibliographique

RevueEmerging Trends in the Social and Behavioral Sciences · 2015
Typeother
Langueen
DomaineSocial Sciences
ThématiqueSocial Capital and Networks
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésScrutinyMatching (statistics)Triad (sociology)Perspective (graphical)CertaintyWork (physics)Process (computing)MicroeconomicsEconomicsComputer scienceSociologyPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The informal seeking and sharing of job opportunity information via contacts are the dominant mechanisms for both the supply and demand sides of the labor market. Despite many decades of scholarly scrutiny, we have established little certainty about the mechanisms through which labor market networks operate. Much of this uncertainty results from single‐perspective investigations of a fundamentally triadic process. Network‐mediated job search is not merely a version of the classic two‐way matching problem with some additional network factors but is rather a three‐way matching problem with three distinct agentic decision makers: the job seeker, the job screener, and the social contact acting as a connector. This essay summarizes what is currently known about the operation and consequences of labor market networks, their mechanisms, and their contextual dependencies. We show how the perspective of a triad of actors presents new opportunities for resolving current contradictory empirical findings and areas of ongoing debate. Progress on this topic requires both careful causal research isolating mechanisms affecting a particular actor and integrative research on how these mechanisms interact among the triad of actors.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,002
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,079
Tête enseignante GPT0,385
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEmerging Trends in the Social and Behavioral SciencesMême sujetSocial Capital and NetworksTravaux en français237 207