Social Capital, Labour Markets, and Job-Finding in Urban and Rural Regions: Comparing Paths to Employment in Prosperous Cities and Stressed Rural Communities in Canada <sup>,</sup>
Notice bibliographique
Résumé
This paper compares paths to employment (job-finding) in prosperous cities and economically-stressed rural communities in Canada. Since the pioneering work of Mark Granovetter (1973; 1974) , sociologists have investigated the role of social capital in job-finding (specifically, the use of strong and weak social ties to find out about employment opportunities). To date, however, there have been few direct comparisons of job-finding in urban and rural settings (see Lindsay et al., 2005 ; Wahba and Zenou, 2005 ). Using data from two major surveys and a qualitative interview project, we uncover several important differences in urban and rural paths to employment. First, we find that both strong and weak ties are used more frequently by rural residents to find a job, while city-dwellers rely more often on formal or impersonal means. Second, we find much stronger evidence of differentiation within rural regions. Long-time rural residents are much more likely to use strong and weak ties to find employment than are newcomers. However, rural residents who used weak ties as paths to employment have significantly lower incomes. None of these patterns are evident in the cities. Together, these findings lead us to conclude that job-finding in rural settings is strongly affected by constraints – in the labour market and in social capital resources – that are not present in cities.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».