MétaCan
Menu
Retour à la cohorte
Enregistrement W2919324349 · doi:10.34989/san-2016-9

The US Labour Market: How Much Slack Remains?

2021· article· en· W2919324349 sur OpenAlexaff
Robert Fay, James Ketcheson

Notice bibliographique

RevueStaff Analytical Notes · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Theory and Policy
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésUnderemploymentNAIRUEconomicsUnemploymentInflation (cosmology)Labour economicsFull employmentBusiness cycleUnemployment rateMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Despite the US unemployment rate being close to estimates of the non-accelerating-inflation rate of unemployment (NAIRU), measures of underemployment remain elevated, which could be an indication of remaining labour market slack. The shares of involuntary part-time workers and long-term unemployment are high relative to the current stage of the business cycle, suggesting available labour inputs are being underutilized. Improvement in these areas could meaningfully increase US labour utilization and support economic growth. Another large potential source of labour market slack exists outside the labour force caused by the relatively low participation rate, which has fallen by more than 3 percentage points since 2007. Most analysis, including that in this note, finds that the aging population is an important factor behind this decline, indicating that there is less slack than implied by the drop in the headline participation rate. However, there is considerable uncertainty about whether the decline in participation unrelated to aging is driven by structural or cyclical phenomena and is therefore representative of slack. Nevertheless, a review of the historical experience suggests that a sizable number of persons outside the labour force could be “activated” and drawn back into the market under much “hotter” labour market conditions. But further research is needed to assess whether the historical relationship is a relevant guide in the current context.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,322
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0020,001

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 Opus0,026
Tête enseignante GPT0,243
Écart entre enseignants0,216 · 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.

Devis d'étudeThéorique ou conceptuel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStaff Analytical NotesMême sujetEconomic Theory and PolicyTravaux en français237 207