MétaCan
Menu
Retour à la cohorte
Enregistrement W4200260958 · doi:10.21686/2073-1051-2021-4-5-19

Impact of the Coronavirus Pandemic on Labor Market

2021· article· en· W4200260958 sur OpenAlexaboutno aff
K. E. Laikam, A. R. Bikbaeva, Elitsa Pavlova

Notice bibliographique

RevueFederalism · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueImpulse Buying and Technology Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)UnemploymentContext (archaeology)PandemicCoronavirus disease 2019 (COVID-19)ResidenceEconomicsDemographic economicsUnemployment rateRussian federationLabour economicsEconomic growthGeographyMedicineEconomic policy

Résumé

récupéré en direct d'OpenAlex

The coronavirus pandemic has affected all spheres of society, including a significant impact on labor markets. The article presents a statistical analysis of trends in the Russian labor market in the context of the spread of coronavirus infection in 2020 and in the first half of 2021. On average, in 2020, the number of people employed in the economy field decreased by almost 2%, respectively, the number of unemployed increased by 25%. Within 2020, the peak of unemployment growth occurred in the third quarter of 2020, when the decline in the number of employed reached 1,9 million people, and the increase in the number of unemployed – 1,5 million people. At the same time, the unemployment rate increased to 6,4%, i.e. by almost a half compared to the corresponding period of 2019. Starting from the fourth quarter of 2020, the recovery of the Russian labor market began. By July 2021, the unemployment rate had dropped to 4,8%. Such serious transformations of the Russian labor market required an analysis of the dynamics and structure of employment in various sections: by type of economic activity, by subjects of the Russian Federation, by gender, by age groups, by place of residence. Along with this, the authors compared the indicators of the unemployment rate, which was calculated using two methods used in Russian statistical practice. An international comparison of the unemployment rate for 2020–2021 was carried out. The indicators characterizing the underutilization of labor, including the number and level of potential labor, are considered. The dynamics of wages in 2019–2021 is considered. Special attention is paid to the analysis of the situation with workers’ wages at the most acute moment of the crisis – in April 2020.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,284
Écart entre enseignants0,227 · 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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFederalismMême sujetImpulse Buying and Technology ImpactsTravaux en français237 207