MétaCan
Menu
Retour à la cohorte
Enregistrement W1791196730 · doi:10.1111/1468-2427.12088

Generational Dimensions of Neoliberal and Post‐Fordist Restructuring: The Changing Characteristics of Young Adults and Growing Income Inequality in Montreal and Vancouver

2013· article· en· W1791196730 sur OpenAlexaffabout
Markus Moos

Notice bibliographique

RevueInternational Journal of Urban and Regional Research · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRestructuringInequalityEducational attainmentDemographic economicsContext (archaeology)EarningsFordismEconomicsEconomic inequalityLabour economicsEconomic restructuringIncome distributionSociologyEconomic growthGeographyEconomy

Résumé

récupéré en direct d'OpenAlex

Abstract There is growing concern over income inequality and its generational dimensions. Post‐ F ordist and neoliberal restructuring have reshaped urban labour markets, resulting in growing inequalities that disproportionately afflict younger workers. This article empirically analyses the transition as experienced in M ontreal and V ancouver, two C anadian cities that have undergone restructuring in different ways. The study of young adults' changing incomes reveals growing intra‐ and inter‐cohort inequality, and an increasing intergenerational income gap in both cities. Income inequality is greater in V ancouver, with its more pronounced post‐ F ordist labour force composition and neoliberalized governance context. Known factors such as occupation and gender affect the earnings structure, but educational attainment has increased the most in terms of its effect on incomes. Inequalities among young adults are expected to magnify in the future due to unevenness in educational attainment. Urban research ought to pay close attention to the role of education in structuring inequalities, and the ways the impact of restructuring is unevenly distributed across generations.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,312

Scores Codex et Gemma par catégorie

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

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 Opus0,035
Tête enseignante GPT0,272
Écart entre enseignants0,237 · 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.

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

Citations26
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Urban and Regional ResearchMême sujetHousing, Finance, and NeoliberalismTravaux en français237 207