MétaCan
Menu
Retour à la cohorte
Enregistrement W2753133133 · doi:10.5445/ir/1000075512

Declining labor-labor exchange rates as a cause of inequality growth

2017· preprint· en· W2753133133 sur OpenAlexaboutno aff
Andranik Tangian

Notice bibliographique

RevueRepository KITopen (Karlsruhe Institute of Technology) · 2017
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Theory and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsEarningsRemunerationLabour economicsInequalityProductivityPurchasing powerEconomic inequalityIncome distributionMacroeconomics

Résumé

récupéré en direct d'OpenAlex

The current trends in the capital/labor split and the impacts thereof on the growth of inequality are one of the main concerns of national governments, European Commission and international organizations like UN, ILO, IMF, OECD and WB. These trends are usually studied at the macro level of functional distribution of income, that is, among capital and labor, and less with regard to productivity, remuneration policies or some other particular factors. In this paper, we contribute to the studies of the second type, explaining the decreasing labor income share in terms of unpaid working time and underpaid hourly earnings. For this purpose, we refer to the decreasing labor–labor exchange rate, i.e. devaluation of one’s labor in exchange for other’s labor embodied in the commodities affordable for one’s earnings. We show that the productivity growth allows employers to compensate workers with always a lower labor equivalent, i.e. increasingly underpay works, maintaining however an impression of fair pay due to an increasing purchasing power of earnings. This conclusion is based on the OECD 1990–2014 data for G7 countries (Canada, France, Germany, Italy, Japan, United Kingdom and United States) and Denmark (known for the world least inequality). Then statistically significant implications for the growth of inequality are derived and some policy suggestions are formulated like taxing the enterprises with the inner Gini that surpasses the national level.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
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: Empirique
Score de désaccord entre enseignants0,151
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,055
Tête enseignante GPT0,306
Écart entre enseignants0,251 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRepository KITopen (Karlsruhe Institute of Technology)Même sujetEconomic Theory and PolicyTravaux en français237 207