Measuring employment precariousness in the European Working Conditions Survey: The social distribution in Europe
Notice bibliographique
Résumé
BACKGROUND: Precarious employment is becoming an increasingly important social determinant of health inequalities among workers. The way in which contemporary employment arrangements and their health consequences are addressed in empirical research is mostly based on the contract-related or employment instability dimension. A broader conceptual approach including various important characteristics of the degrading of employment conditions and relations is needed. OBJECTIVE: The general objective of this paper is to empirically test a new multidimensional construct for measuring precarious employment in an existing database. Special focus is on the social distribution of precarious employment. METHODS: A subsample of 21,415 participants in the EU-27 from the Fourth European Working Conditions Survey-2005 was analysed. A cross-sectional study of the social distribution of precarious employment was conducted through the analysis of proportional differences according to gender, social class and credentials for the European Union as a whole and within each country. The 8 dimensions of the employment precariousness construct were represented by 11 indicators. RESULTS: In general, women, workers without supervisory authority, those with fewer credentials, and those living in Eastern and Southern European countries suffer the highest levels of precarious employment. Exceptionally, men, workers with supervisory authority and those with the highest credentials suffer the highest levels of long working hours, schedule unpredictability and uncompensated flexible working times. CONCLUSIONS: This article offers the first validation for an innovative multidimensional conceptualisation of employment precariousness applied to the analysis of existing survey data, showing the unequal distribution of precarious employment across the European labour force. This set of indicators can be useful for monitoring precarious employment.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».