MétaCan
Menu
Retour à la cohorte
Enregistrement W2892098384 · doi:10.1111/iere.12093

TECHNOLOGICAL LEARNING AND LABOR MARKET DYNAMICS

2015· preprint· en· W2892098384 sur OpenAlexaff
Martin Gervais, Nir Jaimovich, Henry Siu, Yaniv Yedid‐Levi

Notice bibliographique

RevueInternational Economic Review · 2015
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueComplex Systems and Time Series Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBusiness cycleMatching (statistics)UnemploymentVolatility (finance)ProductivityEconomicsTechnological changeLearning-by-doingEconometricsIndustrial organizationMicroeconomicsMacroeconomicsProduction (economics)

Résumé

récupéré en direct d'OpenAlex

The search‐and‐matching model of the labor market fails to match two important business cycle facts: (i) a high volatility of unemployment relative to labor productivity, and (ii) a mild correlation between these two variables. We address these shortcomings by focusing on technological learning‐by‐doing : the notion that it takes workers' time using a technology before reaching their full productive potential with it. We consider a novel source of business cycles, namely, fluctuations in the speed of technological learning, and show that a search‐and‐matching model featuring such shocks can account for both facts. Moreover, our model provides a new interpretation of recently discussed “news shocks.”

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,858
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,033
Tête enseignante GPT0,267
Écart entre enseignants0,234 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Economic ReviewMême sujetComplex Systems and Time Series AnalysisTravaux en français237 207