MétaCan
Menu
Retour à la cohorte
Enregistrement W2105849119 · doi:10.12775/oec.2014.020

Application of the Logit Model to the Analysis of Economic Activity Factors of the Disabled

2014· article· en· W2105849119 sur OpenAlexaboutno aff
Dominik Śliwicki, Marek Ręklewski

Notice bibliographique

RevueOeconomia Copernicana · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLogitQuarter (Canadian coin)PopulationLogistic regressionWorking populationWork (physics)VariablesEconometricsEconomicsSet (abstract data type)Demographic economicsActuarial sciencePsychologyStatisticsMathematicsDemographyComputer scienceEngineeringSociologyGeography

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to identify factors affecting the classification as a working group of economically active people with disabilities. According to the Labour Force Survey methodology, working population is defined as labor resources, labor supply and labor force, which includes all people of working-age 15 and older, considered as employed or unemployed. Community of people with disabilities is extracted from the general population aged 15 and more, on the basis of law. People with disabilities include those aged 16 and over who have been awarded a judgment about the degree of disability or inability to work (CSO 2011).In the analyses of the labor market models with qualitative variables, which include logit models, are very often used. For the purpose of the study it was assumed that these models will describe the probability of a person with a disability to qualify for the category of employed. The basis for estimating probability models were individual data obtained under representative Labour Force Survey in the fourth quarter of 2010. A set of explanatory variables contains 54 binary variables.

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)0,007
score de la tête « metaresearch » (Gemma)0,016
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: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,125
Tête enseignante GPT0,382
Écart entre enseignants0,258 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOeconomia CopernicanaMême sujetRetirement, Disability, and EmploymentTravaux en français237 207