Personal Support Workers and the Labour Market
Notice bibliographique
Résumé
Introduction Personal support workers (PSWs) represent a significant portion of the health care labour force in many countries. Using the example of Canada, this chapter focuses on the PSW labour market and its relationship to supply characteristics. Since the PSW labour market is situated within the broader health care labour market, in which professional and occupational dynamics, competition among various occupations and related hierarchies, and professional exclusionary closure operate (Saks 2010), it is considered within this context, in line with a neo-Weberian approach. PSWs are generally best classified under the working class in accordance with Weberian theory, wherein their key asset is labour power as opposed to formal credentials (Weber 1968). Given their shared position within this larger health care labour market, individuals making up the PSW labour force are likely to possess common traits and face similar barriers to economic mobility opportunities. Such shared characteristics among PSWs may lead to the inability to secure employment in other more valued (monetary and otherwise) health care occupations with higher educational requirements (such as nursing), resulting in PSW employment as a default option for some of these individuals. We largely focus on the Canadian PSW labour market in this chapter, but such factors apply to many PSWs in a wider global context. This chapter begins with a general description of the importance of the PSW labour market, and includes a definition of PSWs. It explores past, current, and forecasted supply and demand. Key contextual factors, including regulatory models in Canada, are noted. Since the data suggests that the PSW labour market is better thought of as a series of sub-markets which tend to differ along the lines of such factors as wages and hours worked, the analysis includes differences by sector across a multitude of individual and job characteristics, as well as labour market outcomes. It then examines individual characteristics such as socio-demographics (gender, age, marital status, immigrant status, visible minority status, ethnicity, Aboriginal status), family and household characteristics (informal care giving variables, family member employment), health status (self-reported health, injury rates and severity, disability, medical conditions), and education and training variables (highest level of education, relevance of education, years of experience).
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,001 |
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.
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 ».