MétaCan
Menu
Retour à la cohorte
Enregistrement W4288086398 · doi:10.1093/restud/rdae094

Direct and Indirect Effects of Subsidized Dual Apprenticeships

2024· article· en· W4288086398 sur OpenAlexaff
Bruno Crépon, Patrick Prémand

Notice bibliographique

RevueThe Review of Economic Studies · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésSubsidyEconomicsDual (grammatical number)ApprenticeshipMicroeconomicsPublic economicsMarket economyGeographyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract Public interventions in the apprenticeship market often aim to increase demand or returns. We set up a double-sided experiment with youth and firms to analyse a subsidized dual apprenticeship program. This intervention seeks to relax financial constraints for youth by offering a wage subsidy and to make apprenticeship more attractive by providing vocational training in technical skills that complements on-the-job training. We document a large increase in youth participation in apprenticeship, yet the inflow of apprentices induces little crowding out of traditional apprentices in firms. The intervention leads to an increase in youth demand for apprenticeship, enabling firms to fill open apprenticeship positions. The subsidy compensates apprentices for low wages but does not alleviate financial constraints. Consistent with the dual training component contributing to an increase in youth demand for apprenticeship, youth perform more complex tasks and have higher earnings 4 years after the start of the experiment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,284
Score d'incertitude au seuil0,432

Scores Codex et Gemma par catégorie

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

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 Opus0,043
Tête enseignante GPT0,287
Écart entre enseignants0,244 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Review of Economic StudiesMême sujetLabor market dynamics and wage inequalityTravaux en français237 207