MétaCan
Menu
Retour à la cohorte
Enregistrement W3044692717 · doi:10.1177/1044207320943605

Productivity-Based Wages and Employment of People With Disabilities: International Usage and Policy Considerations

2020· article· en· W3044692717 sur OpenAlexaff
Rosemary Lysaght, Nicole Bobbette, Maria Agostina Ciampa

Notice bibliographique

RevueJournal of Disability Policy Studies · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésProductivityWageWork (physics)EconomicsLabour economicsBusinessPublic economicsEconomic growthEngineering

Résumé

récupéré en direct d'OpenAlex

The legal requirement for employers to compensate workers at standard market wages, even if their work falls below competitive levels, is cited as a barrier to job entry for people with high support needs. Productivity-based wage systems have been implemented in some jurisdictions with a goal of addressing this challenge by providing an option for paying workers at rates commensurate with work output. This scoping review explored the international use of productivity-based wage systems, the theoretical and practical arguments that have been advanced for and against productivity-based wage systems, and the relative impact of such policies on employment outcomes. The review followed the procedures outlined by Arksey and O’Malley and included papers published from 2008 to 2017. The search identified 27 papers that were pertinent to at least one of the research questions. Only three countries emerged in the literature as having discernable productivity-based wage policies: Australia, Israel, and the United States. Limited evaluative evidence was identified on the impact of productivity-based wage systems on employment outcomes. There is, however, a robust debate evident concerning the socioeconomic, moral, and legal implications of this practice. Ongoing research is needed to inform policy on this contentious issue.

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)0,043
score de la tête « metaresearch » (Gemma)0,115
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,228

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,115
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0130,021
Études des sciences et des technologies0,0010,004
Communication savante0,0100,012
Science ouverte0,0020,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,228
Tête enseignante GPT0,455
Écart entre enseignants0,227 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Disability Policy StudiesMême sujetRetirement, Disability, and EmploymentTravaux en français237 207