Notice bibliographique
Résumé
Traditionally, productivity loss has been measured according to illness-related absence from work (absenteeism) only. However, there is increasing evidence that presenteeism (reduced intensity and/or quality of labour input) is an even greater source of productivity losses. In addition to empirical measurement issues, there are theoretical issues with regard to productivity valuation. The traditional human capital method assumes that the value of productivity loss to society should be measured as the present values of lost time according to the wage, which is supposed to be equal to the marginal productivity of labour in a competitive labour market. The alternative, friction cost method, is based on the same assumption except that it adjusts for unemployment. However, these methods ignore the effects of risk aversion and team production which cause the wage to be lower than the marginal productivity. Existing productivity questionnaires did not capture sufficient information to enable the proper measurement and valuation of productivity loss from a societal perspective. A new questionnaire, Valuation of Lost Productivity (VOLP), was developed to capture all the time input loss components(absenteeism, presenteeism, employment status changes, and unpaid work productivity loss) as well as information on job and workplace characteristics, based on which wage multipliers can be calculated to value the productivity loss attributable to the reduced time input of workers. The thesis provides evidence for the validity of the VOLP in measuring time input loss due to poor health and its feasibility in evaluating the treatment effect on productivity in people with rheumatoid arthritis. The equality between wage and marginal productivity was tested using the Workplace and Employ Survey, a linked employer-employee database in Canada. Some evidence suggests that team workers are underpaid compared with their relatively higher iii productivity. In small firms, higher absenteeism results in lower productivity and wage, and the marginal productivity loss with respect to team worker absenteeism is higher than the wage loss. Furthermore, for team workers, health-related frequent reduction at work results in lower productivity and the resulted productivity loss is more than the wage differentials.
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 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».