MétaCan
Menu
Retour à la cohorte
Enregistrement W2913631786 · doi:10.1111/bjir.12456

Interest Arbitration and the Narcotic Effect: Evidence from Three Decades of Collective Bargaining in Ontario

2019· article· en· W2913631786 sur OpenAlexaffabout
Michele Campolieti, Chris Riddell

Notice bibliographique

RevueBritish Journal of Industrial Relations · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensUniversity of WaterlooUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésArbitrationCollective bargainingEconomicsCompulsory arbitrationNarcoticRobustness (evolution)Probit modelProbitLabour economicsEconometricsPolitical scienceLawPsychology

Résumé

récupéré en direct d'OpenAlex

Abstract We study whether there is increased reliance on interest arbitration, that is, a narcotic or addictive effect or, alternatively, positive state dependence, in public sector contract settlements. We use contract data from three sectors (police, firefighters and hospitals) in the Canadian province of Ontario, which covers 1981 to 2012. The length of our study period yields much longer bargaining histories than previously used, which should provide more compelling evidence on whether there is increased reliance on interest arbitration to settle bargaining impasses over time. We obtain our estimates using a dynamic probit model with random effects that models the initial conditions. Our estimates indicate — across all the sectors we consider and some robustness checks — that there is a narcotic effect in interest arbitration usage despite very different average propensities to use arbitration across sectors.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,176
Score d'incertitude au seuil0,933

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,070
Tête enseignante GPT0,228
Écart entre enseignants0,159 · 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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Industrial RelationsMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207