MétaCan
Menu
Retour à la cohorte
Enregistrement W2801451337 · doi:10.5539/ijef.v10n6p53

Determinants of Long-Term Unemployment in Brazil in 2013

2018· article· en· W2801451337 sur OpenAlexvenueno aff
Elano Ferreira Arruda, Daniel Barboza Guimarães, Ivan Castelar, Pablo Urano de Carvalho Castelar

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueTaxation and Compliance Studies
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésUnemploymentProbit modelDemographyProbitGeographyDemographic economicsWork (physics)Term (time)SocioeconomicsEconomicsSociologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

This work analyzes the determinants of the probability of a Brazilian worker being unemployed for more than a year, using data from the 2013 National Household Survey (PNAD) and applying a probit model. The results show a lower chance of remaining jobless of males, heads of households, those who declared themselves black, younger people, those who completed higher education or are in the process of acquiring it, and residents of the Southeast and South regions of Brazil. The probabilistic scenarios show that the Brazilian workers least likely to remain unemployed for over a year are males, residents in the South or Southeast region, heads of a household, between 36 and 45 years of age, with higher education, with only a 0.6% chance of remaining in that condition. On the other hand, the workers with the highest chance of remaining unemployed are females, between 46 and 65 years old, residents in the North region, illiterate and not household heads, with a 41% probability of remaining unemployed.

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 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 enseignants0,009
Score d'incertitude au seuil0,351

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,036
Tête enseignante GPT0,279
Écart entre enseignants0,243 · 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.

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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetTaxation and Compliance StudiesTravaux en français237 207