MétaCan
Menu
Retour à la cohorte
Enregistrement W2087837578 · doi:10.1111/j.1465-7295.2012.00497.x

A CENTURY OF HUMAN CAPITAL AND HOURS

2012· article· en· W2087837578 sur OpenAlexaff
Diego Restuccia, Guillaume Vandenbroucke

Notice bibliographique

RevueEconomic Inquiry · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHuman capitalLife expectancyEconomicsProductivityWageLabour economicsEducational attainmentDemographic economicsWorking hoursWork hoursEarningsDemographyPopulationSociologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

An average person born in the United States in the second half of the 19th century completed 7 years of schooling and spent 58 hours a week working in the market. In contrast, an average person born at the end of the 20th century completed 14 years of schooling and spent 40 hours a week working. In the span of 100 years, completed years of schooling doubled and working hours decreased by 30%. What explains these trends? We consider a model of human capital and labor supply to quantitatively assess the contribution of exogenous variations in productivity (wage) and life expectancy in accounting for the secular trends in educational attainment and hours of work. We find that the observed increase in wages and life expectancy accounts for 80% of the increase in years of schooling and 88% of the reduction in hours of work. Rising wages alone account for 75% of the increase in schooling and almost all the decrease in hours in the model, whereas rising life expectancy alone accounts for 25% of the increase in schooling and almost none of the decrease in hours of work. In addition, we show that the mechanism emphasized in the model is consistent with other trends at a more disaggregate level such as the reduction in the racial gap in schooling and the decrease in the cross‐sectional dispersion in hours. (JEL E1, I25, J11, O4)

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,045
Tête enseignante GPT0,242
Écart entre enseignants0,197 · 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

Citations43
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic InquiryMême sujetEconomic Growth and ProductivityTravaux en français237 207