Notice bibliographique
Résumé
This dissertation contains three essays on firm-sponsored training. Paper 1 develops a general theoretical framework in a frictional labour market to investigate how firms decide to sponsor how much general as well as specific training to workers assuming complementarity between the two types of training as well as education. It shows that firms’ profit maximizing decisions provide firms with an incentive to provide more training, general as well specific, to the more educated workers, more training for more educated workers may lead to low turnover rate, and the resulting life-time profile of firm-sponsored training is U-shaped or decreasing. The policy implications are that governments can subsidize both education and training to improve efficiency. Paper 2 and paper 3 try to provide empirical evidence from different perspectives, respectively determinants and effects of three types of firm-sponsored training, i.e., class-room training, on-the-job-training, and career-related but not job directly related training based on Statistics Canada’s Worker Place and Employee Survey (WES) of 2003/2004. The major empirical findings arising from our estimation results are: (1) Education is positively and significantly associated with the incidence of all three types of training, and significantly positively correlated with the intensity of on-the-job training. (2) Workers in larger firms are more likely to obtain classroom training and on-the-job training than workers in smaller firms. (3) Job tenure is significant and negative for the intensity of classroom training or on-the-job training. (4) Classroom-training and on-the-job training increases the average earnings of workers but less than average resultant firm-level productivity growth. Firm sponsored career related training has no significant impact on a worker’s earnings but increases the firm’s productivity significantly. All these findings by and large are consistent with the theory developed in first paper.
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 | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,004 |
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 ».