MétaCan
Menu
Retour à la cohorte
Enregistrement W2895104473 · doi:10.20542/0131-2227-2018-62-9-88-96

YOUNG PEOPLE IN THE RUSSIAN LABOUR MARKET

2018· article· en· W2895104473 sur OpenAlexfundno aff
M. Khokhlova, I.I. KHOKHLOV

Notice bibliographique

RevueWorld Economy and International Relations · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Development and Digital Transformation
Établissements canadiensnon disponible
Organismes subventionnairesSveriges RegeringCanadian Food Inspection Agency
Mots-clésPaceResidenceContext (archaeology)Political scienceEconomic growthWork (physics)Social inequalityPublic relationsInequalitySociologyGeographyEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

The authors study the topic of youth employment in Russian regions through the lenses of both global factors and national institutions. These include the national professional education system as well as personal choice of occupation, university, employer and place of residence. Given that Russia’s regions belong to a single state with common institutions, one language and an otherwise homogenous social structure, this situation provides important insight into what helps young people fully realize their potential and ambitions or, conversely, prevents them from doing so. Professional education is becoming more and more vital for an individual’s career, self-reliance and ability to contribute to the development of the country. However, while selecting a university or an employer, one can be susceptible to negative social experience which can trigger the development of destructive attitudes. The authors look at how this can impact a person’s professional career, which is prone to change given the pace of technological development today. Global networks of people and organisations impact youth employment all over the world, including Russia. This results in widespread remote working, which, in turn, brings highly-skilled vacancies to remote places. Remote working and studying levels out inequality in access to educational and cultural institutions as well as to work that young people find fulfilling. In this context, the article, inter alia, studies the impact of the national “Digital Economy” strategy on youth employment in Russia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,213
Écart entre enseignants0,195 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Economy and International RelationsMême sujetEconomic Development and Digital TransformationTravaux en français237 207