MétaCan
Menu
← Retour à la cohorte
Enregistrement W3028267278 · doi:10.1111/cag.12622

Workplace mobility in Canadian urban agglomerations, 1996 to 2016: Have workers really flown the coop?

2020· article· en· W3028267278 sur OpenAlexafffundvenueabout
Danisa Putri, Richard Shearmur

Notice bibliographique

RevueCanadian Geographies / Géographies canadiennes · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCensusMetropolitan areaUrban agglomerationWork (physics)Demographic economicsGeographic mobilityJourney to workGeographyPopulationVariety (cybernetics)Occupational mobilityEconomic geographyTransport engineeringSociologyDemographyEngineeringComputer scienceEconomicsPublic transport

Résumé

récupéré en direct d'OpenAlex

Whilst workplace mobility (i.e., working from a variety of locations) has become an area of study in its own right, and has increasingly gained media attention, little is known about how prevalent or novel it is. In this paper we use Census place of work data to obtain insights into the prevalence and growth of this phenomenon in Canada's ten largest Census Metropolitan Areas (CMAs). These data do not capture all dimensions of workplace mobility, but are the best currently available to assess it population‐wide. We show that workplace mobility has increased modestly since 1996, and that it is particularly prevalent in sectors such as construction, and amongst less qualified workers. Knowledge workers, to the extent they are mobile, tend to work from home. These results do not capture fine‐grained mobility within the working day (which may indeed be increasing), but demonstrate that these finer grained mobilities have not fundamentally impacted the types of workplace that jobs are attached to.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,275

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,010
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,002
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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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

Citations8
Publié2020
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Geographies / Géographies canadiennes→Même sujetUrban Transport and Accessibility→Travaux en français237 207→