Is it ‘you’ or ‘your workplace’? Predictors of job‐related training in the Anglo‐American world
Notice bibliographique
Résumé
This paper examines the determinants of job‐related training and workplace voice. Using data from a unique 2016 cross‐national survey of Australian, British, Canadian and American employees, the paper contrasts two classic formulations in the literature; (1) the neoclassical/human capital approach which predicts that individual characteristics (such as age and education) which increase the efficiency of learning, will have the largest impact on the allocation of training (i.e. younger and more educated employees will be afforded training) and (2) the traditional institutional approach which favors the structural characteristics present at the industry and firm level, the nature of the job itself and the strategic choices of firms as the major predictors of job‐related training. We find that age – a key factor in the human capital model – plays a significant role in the allocation of training but that education (in keeping with recent evidence) does not. In sum the human capital model provides, at best, only a partial explanation for the differences in training observed across individuals. In contrast, variables invoked by the institutional literature (i.e. occupation level; industry; ownership type; and market structure) are highly significant and account for a much greater proportion of the variance in training observed across workers. Other institutional factors such as the presence of a union and a human resource department were strong positive predictors of job‐related training. But most important were product‐market strategy and employee voice. Respondents working in firms utilizing a ‘high road/high quality’ product/service strategy and with a workplace consultative committee were significantly more likely to receive training than similar workers employed in observably similar firms. This last finding supports the industrial relations view of voice as an important channel by which training is optimally delivered inside the firm.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».