MétaCan
Menu
Retour à la cohorte
Enregistrement W2156634548 · doi:10.1111/j.1728-4457.2013.00614.x

The Future Composition of the Canadian Labor Force: A Microsimulation Projection

2013· article· en· W2156634548 sur OpenAlexaffabout
Alain Bélanger, Nicolas Bastien

Notice bibliographique

RevuePopulation and Development Review · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensCentre for Interdisciplinary Research in RehabilitationInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésMicrosimulationImmigrationPopulation projectionProjections of population growthFertilityPopulationEconomicsDemographic economicsPopulation growthTotal fertility rateForeign bornDemographic changeLabour economicsPolitical scienceDemographySociologyResearch methodologyFamily planningEngineering

Résumé

récupéré en direct d'OpenAlex

This article charts the future transformations of the Canadian labor force population using a microsimulation projection model. The model takes into account differentials in demographic behavior and labor force participation of individuals according to their ethnocultural and educational characteristics. As a result of a rapid fall in fertility, the Canadian population is expected to age rapidly as baby boomers start to retire from the labor market in large numbers. In response to declining fertility, Canada raised its immigration intake at the end of the 1980s, and immigration is now the main driver of Canadian population growth. At the same time, immigrants to Canada are becoming more culturally diversified. Over the last half century, the main source regions have shifted from Europe to Asia. Results of the microsimulation show that Canada's labor force population will continue to increase, but at a slower rate than in the recent past. By 2031, almost one third of the country's total labor force could be foreign‐born, and almost all its future increase is expected to be among university graduates, while the less‐educated labor force is projected to decline.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,370
Écart entre enseignants0,335 · 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'étudeSimulation ou modélisation
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

Citations13
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePopulation and Development ReviewMême sujetEmployment and Welfare StudiesTravaux en français237 207