MétaCan
Menu
Retour à la cohorte
Enregistrement W3121667237 · doi:10.17848/wp10-170

Policies for Displaced Workers: An American Perspective

2010· preprint· en· W3121667237 sur OpenAlexaff
Christopher J. O’Leary

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensEmployment and Social Development Canada
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)Displaced workersPolitical scienceSociologyEconomicsEconomic growthComputer scienceArtificial intelligenceUnemployment

Résumé

récupéré en direct d'OpenAlex

American employment policy for displaced workers started in the Great Depression with programs for the employment service, unemployment insurance, work experience, and direct job creation. Assistance for workers displaced by foreign competition emerged in the 1960s along with formalized programs for occupational job skill training. The policy focus on displaced workers was sharpened in the 1980s through the Worker Adjustment and Retraining Notification Act and the Economic Dislocation and Worker Adjustment Assistance Act. Field experiments on services to dislocated workers led to Worker Profiling and Reemployment Services systems in all states, and federal rules adopted as part of the North American Free Trade Agreement Act permitted UI benefit receipt while starting self-employment. Evaluation evidence suggests there should be continuous connection of unemployment compensation recipients to reemployment services, skill training closely connected to employer requirements, earnings supplements to ease transitions to different jobs, efforts to maintain and strengthen employer-employee relationships, information channels to employees and communities about impending employment disruptions, and targeting of services to improve returns on public investments. While no silver bullet emerges to solve worker displacement, many different programs addressing a variety of needs can improve labor market outcomes after permanent job loss.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,074
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,005
Communication savante0,0070,005
Science ouverte0,0010,002
Intégrité de la recherche0,0090,007
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,086
Tête enseignante GPT0,499
Écart entre enseignants0,412 · 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

Citations17
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEmployment and Welfare StudiesTravaux en français237 207