Exploring Online and Offline Informal Work: Findings from the Enterprising and Informal Work Activities (EIWA) Survey
Notice bibliographique
Résumé
The growing prevalence of alternative work arrangements has accelerated with the rapidly evolving digital platform transformations in local and global markets (Kenny and Zysman, 2015 and 2016). Although traditional (offline) informal paid work has always been a part of the labor sector (BLS-Contingent Worker Survey, 2005; GAO, 2015 and Katz and Krueger, 2016), the rise of online enabled paid work activities requires new approaches to measure this growing trend (Farrell and Greig, 2016; Gray et al, 2016; Sundararajan, 2016 and Schor, 2015). In the fourth quarter of 2015, the Federal Reserve Board conducted a nationally representative survey of adults 18 and older to track online and offline income-generating activities as well as their employment status during the six months prior to the surveys. Survey results indicate that 36 percent of respondents undertook informal paid work activities either as a complement to or as a substitute for more traditional and formal work arrangements. We explore the rationale behind respondents' participation in alternative work arrangements by setting questions that capture participant motives and attitudes towards informal offline and online paid work activities. Sixty five percent of qualified survey respondents indicate that a main reason for participating in informal work is to earn extra income.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».