Older Workers' Training Opportunities in Times of Workplace Innovation
Notice bibliographique
Résumé
Training (for workers) and innovation (for workplaces) are not free lunches. From the viewpoint of the firm, training is also highly risky, because there is uncertainty over the size of any future returns from employer-provided training. Stylized facts stress that constraints in achieving preferred working hours have major impacts on job satisfaction. Consequently hour constraints may lead to workers' job mobility and older workers' retirement. Firms internalize the risk of workers' mobility by reducing their training investments in these workers. I contrast this model with a signalling model of hour constraints where, in the face of asymmetric information over workers' quality and reliability, and so over profitability of training, workers may trade present hour constraints (at the current wage), for training (and future wage) opportunities. This set of reasoning implies that, empirically, we should observe a positive correlation between training and hour constraints at the individual level. I use two matched employer-employee datasets, for Australia and Canada respectively, to test the competing empirical implications of these two models for the link between hour constraints and training. The main result of this study is that there is little support for hour constraints as a signal of future reliability and productivity. Rather, hour constrained individuals appear to have less chance to receiving training. This result survives a number of robustness exercises that attempt to control for selection on observables and selection on unobservables that determine the hour constraint outcome. Institutional differences in the retirement funding system, and the differential appeal of outside option (the option of exiting the labour force) in Australia and Canada in the two survey years contribute to explain the different patterns of training and hour constraints older workers face in these two countries.
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 | 0,005 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,005 | 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 ».