MétaCan
Menu
Retour à la cohorte
Enregistrement W1766865840 · doi:10.19030/iber.v6i12.3441

Estimating Worker Information Gaps From A Stochastic Wage Frontier: A Study Of Canadian Labour Markets

2011· article· en· W1766865840 sur OpenAlexaboutno aff
Atul Dar

Notice bibliographique

RevueInternational Business & Economics Research Journal (IBER) · 2011
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInefficiencyReservation wageWageEconomicsLabour economicsFrontierEfficiency wagePopulationDemographic economicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

In the presence of imperfect information in labour markets, optimal job search entails accepting a wage offer if it exceeds a workers reservation wage. However, this generally means that a worker with a given skill, will not earn the maximum wage on offer, and the gap between the maximum wager and the wage earned could be viewed as an indicator of labour market inefficiency arising from worker information gaps. The inefficiency arises because information is costly, so workers do not search long enough to discover the maximum wage, which would otherwise be sought and earned if information were costless. The aim of this paper is to empirically investigate the extent of labour market inefficiency within and across a number of population strata in Canada. These strata include individuals grouped according to various socio-economic and demographic characteristics such as gender, geographical location, education, and immigration status. The econometric model adopted is the stochastic frontier function used initially extensively in studies of production and cost efficiency of firms, and subsequently employed in studies of worker information gaps. The data we use are drawn from the 2001 Census of Canada.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,139
Tête enseignante GPT0,381
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business & Economics Research Journal (IBER)Même sujetEfficiency Analysis Using DEATravaux en français237 207