Overeducation, persistence and unemployment in Spanish labour market
Notice bibliographique
Résumé
Purpose The phenomenon of overeducation and the magnitude and persistence of the imbalance impact are analysed for the Spanish labour market from 2006 to 2013. Design/methodology/approach The authors present random-effects probit estimations comparing individuals and their short-term and long-term labour mismatches. Findings The results support the existence of long-term persistence (status in the previous year) and short-term persistence (status at the beginning of the observed period) in overeducation. Precariousness in the labour market, measured by temporality or by the strong destruction of employment, could force individuals to choose a job below their qualification. Additionally, the phenomenon of overeducation is shown to have increased in the period 2010–2013 in relation to the period 2006–2009 independently of the region considered, though those regions with higher unemployment rates display greater imbalances. Research limitations/implications Although the results come from two different samples, it is possible to conclude that overeducation is a phenomenon that tends to perpetuate over time in Spain. Practical implications One of the issues of greatest interest that is crucial to assess the relevance of the spreading of overeducation is whether overeducation can be considered as a temporal mismatch, in which case the seriousness of the problem would not be so important, or, on the contrary, as a persistent one, in which case, governments should take it into account in their education reform programmes. Originality/value Overeducation persistence has been studied in countries such as the United States, Canada, Switzerland or Germany; however, in Spain, there are hardly any studies. Spanish labour market has certain specificities that make the analyses relevant: the high unemployment rates and high elasticity of employment with respect to the economic cycles. Under these circumstances, workers could opt for more stable positions that require a lower qualification than the one they have. This option could be even more convenient during crisis. Additionally, the article includes a disaggregated analysis by Spanish regions. The differences in the unemployment rates within and between regions are significant (some of them had at the beginning of the crisis an unemployment rate close to 7%, while in others it exceeded 12%) which allows the authors to study the phenomenon in different contexts.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».