MétaCan
Menu
Retour à la cohorte
Enregistrement W2549133767 · doi:10.1057/978-1-137-46781-2_13

Millennials in Canada: Young Workers in a Challenging Labour Market

2016· book-chapter· en· W2549133767 sur OpenAlexaffabout
Eddy S. Ng, Seán Lyons, Linda Schweitzer

Notice bibliographique

RevuePalgrave Macmillan UK eBooks · 2016
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensCarleton UniversityUniversity of GuelphDalhousie University
Organismes subventionnairesnon disponible
Mots-clésUnderemploymentUnemploymentYouth unemploymentDebtLabour economicsEconomicsSociologyPolitical scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

The cohort of young workers born between 1980 and 1995 has been given a wide range of labels by various authors and commentators, including “Millennials” (Strauss and Howe 1991), “Generation Y” (Johnson and Johnson 2010),“Gen Me” (Twenge 2006), “Nexters” (Zemke et al. 2000), “the next great generation” (Howe and Strauss 2000), and the “nexus generation” (Barnard et al. 1998). In recent years, they have earned an unfortunate new moniker: “generation screwed” (Girod and Shapiro 2012). This epithet conveys an image of a generation facing an uncertain future with bleak prospects of quality permanent employment, rising levels of personal debt, and an inability to maintain the quality of life afforded by their parents (Carbone and Cahn 2014). The current narrative in the mass media and popular press suggests that despite high levels of education and technological skills, Millennials across the developed world are plagued by high levels of unemployment and underemployment (Foster 2012). If this characterization is correct, persistent high unemployment rates could create social and economic problems such as long-term (structural) unemployment, widespread low-quality jobs, and a loss of confidence among young workers (ILO 2013).

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,199
Écart entre enseignants0,184 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations29
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePalgrave Macmillan UK eBooksMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207