MétaCan
Menu
Retour à la cohorte
Enregistrement W2559843917 · doi:10.1177/0308518x16681788

Economic shock and regional resilience: Continuity and change in Canada's regional employment structure, 1987–2012

2016· article· en· W2559843917 sur OpenAlexaffabout
D. Michael Ray, Ian MacLachlan, Rodolphe H. Lamarche, KP Srinath

Notice bibliographique

RevueEnvironment and Planning A Economy and Space · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional resilience and development
Établissements canadiensUniversité de MonctonUniversity of LethbridgeCarleton University
Organismes subventionnairesnon disponible
Mots-clésRecessionShock (circulatory)Psychological resilienceResilience (materials science)ManufacturingEconomicsGlobal recessionLabour economicsBusiness cycleLiberalizationDemographic economicsBusinessMacroeconomicsMarket economy

Résumé

récupéré en direct d'OpenAlex

This article analyses regional resilience to economic shock in Canada from 1987 to 2012, a period that included severe recessions and major free-trade agreements. Employment is cross-tabulated by region, industry and gender and partitioned cumulatively using three-way multifactor partitioning for each period from 1987–1988 to 1987–2012. Employment loss in each recession is found to be more closely associated with industry-mix in the preceding growth period than with the region effect. At each recession, manufacturing had much bigger employment losses and a much weaker recovery than business services. Thus manufacturing amplifies economic shocks, while business services act as regional shock absorbers. Manufacturing employment decline in Ontario was influenced by trade liberalization and far exceeds what would be expected from the industry and region effects alone. Female employment growth outpaced male employment growth in every region and in every industry group apart from business and appeared to be more resilient to recession. But corrected for their industry composition and regional disparities, these gender differences are substantially reduced.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,253

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,205
Écart entre enseignants0,181 · 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

Citations58
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning A Economy and SpaceMême sujetRegional resilience and developmentTravaux en français237 207