MétaCan
Menu
Retour à la cohorte
Enregistrement W2803838575 · doi:10.1080/13636820.2018.1473469

Measuring labour market success: a comparison between immigrants and native-born Canadians using PIAAC

2018· article· en· W2803838575 sur OpenAlexaffabout
Silvia Annen

Notice bibliographique

RevueJournal of Vocational Education and Training · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensUniversity of Toronto
Organismes subventionnairesOffice of International Science and EngineeringDeutsche Forschungsgemeinschaft
Mots-clésHuman capitalImmigrationExplanatory powerTransferabilityLabour economicsEconomicsLabour market flexibilityWork experienceDemographic economicsSocial capitalWork (physics)SociologyPolitical scienceEconomic growthUnemploymentSocial science

Résumé

récupéré en direct d'OpenAlex

Canadian society is characterised by a plurality of immigrants and Canadian migration policy and corresponding recognition approaches are strongly geared to economic criteria, qualifications and skills. This paper addresses the question how immigrants who have acquired their highest qualification outside Canada are able to use their foreign qualifications and skills in their current job. The analyses are conducted to verify the assumptions of human capital theory as well as the lack of transferability of human capital across country borders. To answer these questions a labour market success index is developed, which is used as a dependent variable in regression models. The results show that traditional operationalisations of human capital (years of education, years of work experience and skills) have a positive effect on individual labour market success. At the same time, being born abroad and having acquired one’s highest qualification abroad in comparison to Canada, especially in a Non-Western country, has negative effects on the overall labour market success of an individual. Detailed comparisons regarding different indicators of labour market success also prove these comparatively negative effects. The results demonstrate the limited explanatory power of human capital theory and the necessity to complement it with Bourdieu’s concepts of social and cultural capital.

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)0,000
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 enseignants0,104
Score d'incertitude au seuil0,435

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,092
Tête enseignante GPT0,309
Écart entre enseignants0,217 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Vocational Education and TrainingMême sujetLabor market dynamics and wage inequalityTravaux en français237 207