MétaCan
Menu
Retour à la cohorte
Enregistrement W2925494309 · doi:10.1093/workar/way015

Getting the Hours You Want in the Preretirement Years: Work Hour Preferences and Mismatch Among Older Canadian Workers

2018· article· en· W2925494309 sur OpenAlexaffabout
Michelle Pannor Silver, Jason Settels, Markus H. Schafer, Scott Schieman

Notice bibliographique

RevueWork Aging and Retirement · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensUniversity of TorontoThe Scarborough Hospital
Organismes subventionnairesnon disponible
Mots-clésWorkforcePreferenceWork (physics)Work hoursDemographic economicsSample (material)PsychologySupervisorWorking hoursSocial psychologyLabour economicsManagementEconomicsEconomic growthEngineering

Résumé

récupéré en direct d'OpenAlex

Expectations regarding the work hours of older workers have changed over time. This article examines Canadian workers in their pre-retirement years to identify patterns in work hour preferences by gender—and whether work hour mismatch predicts late-stage workforce transitions. Findings from a national sample of Canadian workers show that slightly over half of all respondents were content with the number of hours they worked, but that 36% of the sample expressed a preference to work fewer hours and more than 8% expressed a preference to work more hours. Among men and women there were remarkable similarities in the factors that predicted a mismatch between respondents’ preferred and actual hours worked. While highlighting heterogeneity in the work hour preferences of Canadian workers in the years leading up to traditional retirement age, findings illustrate how mismatches between workers’ preferred and actual work hours predict later career workforce transitions. Findings also emphasize the importance of good relations with coworkers and supervisor support as factors that can enhance preferences to continue working at later career stages. Our findings also support claims that employers ought to be encouraged to focus on later career transitions and to find opportunities to enhance the fit between the number of hours required to meet work demands with individuals’ capabilities and interests.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,107
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
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 Opus0,093
Tête enseignante GPT0,347
Écart entre enseignants0,254 · 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'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

Citations16
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWork Aging and RetirementMême sujetRetirement, Disability, and EmploymentTravaux en français237 207