MétaCan
Menu
Retour à la cohorte
Enregistrement W3045407304 · doi:10.1177/1035304620933399

Multiple jobs? The prevalence, intensity and determinants of multiple jobholding in Canada

2020· article· en· W3045407304 sur OpenAlexaffabout
Paul Glavin

Notice bibliographique

RevueThe Economic and Labour Relations Review · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésWorkforceWork (physics)Demographic economicsWork IntensityLabour economicsQuality (philosophy)EconomicsBusinessEconomic growth

Résumé

récupéré en direct d'OpenAlex

While traditional labour market estimates indicate that there has been little change in the proportion of workers holding multiple jobs in North America, survey instrument deficiencies may be hiding more substantial growth driven by the gig economy. To address this possibility, I test a broader measure of multiple jobholding to examine its prevalence in the Canadian workforce based on two national studies of workers (2011 Canadian Work Stress and Health Study and 2019 Canadian Quality of Work and Economic Life Study). Almost 20% of workers in 2019 reported multiple jobholding – a rate that is three times higher than Statistics Canada estimates. While multivariate analyses reveal that the multiple jobholding rate in 2019 was 30% higher than in the 2011 Canadian Work Stress and Health Study, multiple jobholders in 2019 were less likely to report longer work hours in secondary employment. Analyses also revealed that having financial difficulties is consistently associated with multiple jobholding in 2011 and 2019. Collectively, these findings suggest that while the spread of short-term work arrangements has facilitated Canadians’ secondary employment decisions, for many workers these decisions may reflect underlying problems in the quality of primary employment in Canada, rather than labour market opportunity. I discuss the potential links between multiple jobholding, the gig economy and employment precariousness. JEL Code: J21

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)0,004
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 enseignants0,034
Score d'incertitude au seuil0,244

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0020,001
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 Opus0,024
Tête enseignante GPT0,245
Écart entre enseignants0,221 · 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

Citations20
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Economic and Labour Relations ReviewMême sujetDigital Economy and Work TransformationTravaux en français237 207