Long-term dynamics of informal employment and its relationship with the poverty of the Russian population against the backdrop of the COVID-19 pandemic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The study aims at assessing the prevalence of informal employment in the Russian labour market and evaluating its relationship with the risks of monetary poverty. Empirically, the study bases on the data of the Russian Longitudinal Monitoring Survey (RLMS HSE) for 2000-2020. Calculations have shown that over the past 20 years, on average, about a quarter of Russian employees were included in the informal labour market for their main or secondary employment. The results of the study provide some evidence on the existence of several zones of informality in the Russian labour market, in which there are different motives for deformalization, in particular: low-skilled employment in the informal sector, employment only in the format of informal part-time / side jobs (“casual employment”) and partial departure to the informal sector while maintaining an official employment contract at the main place of work. Employment with part or all of the pay for the main job received informally — that is, without a formal contract or with declared wages below the actual wage received, in violation of current regulations — is more common among men, young people and people of early working age, and as well as citizens with education below vocational secondary. At the same time, women, people aged 30–49, and citizens with vocational secondary education predominate in the structure of informally employed, although with a slight preponderance. Regression analysis shows that there is a statistically significant relationship between involvement in the informal labour market and the risks of monetary poverty: fully informal employment in 2019 is associated with higher chances of the respondent’s household falling into poverty, and with lower chances in 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.
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 | 0,001 | 0,000 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle