MétaCan
Menu
Retour à la cohorte
Enregistrement W4294719534 · doi:10.1002/ise3.27

Search, technology choice, and unemployment

2022· article· en· W4294719534 sur OpenAlexaff
Constantine Angyridis, Haiwen Zhou

Notice bibliographique

RevueInternational Studies of Economics · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésUnemploymentEconomicsIncentiveWageWage bargainingLabour economicsBargaining powerWage rateEfficiency wageUnemployment rateNash equilibriumGeneral equilibrium theoryMicroeconomicsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Technology variations among countries account for a significant part of their income differences. In this paper, a firm's technology choice is embedded in a search theoretic framework for unemployment. More advanced technology is assumed to have a higher setup cost, but it is more productive. The model is tractable and the following results are derived analytically. An increase in the unemployment benefit leads to an increase in the equilibrium wage rate, giving an incentive to firms to choose a more advanced technology. Thus, this result regarding unemployment insurance in models with wage posting carries through with Nash bargaining as well. As a consequence, the equilibrium unemployment rate increases. Furthermore, an increase in the bargaining power of workers increases the unemployment rate but has an ambiguous impact on the equilibrium level of technology and the wage rate. Finally, an increase in the exogenous job separation rate or the interest rate increases the unemployment rate and decreases the wage rate but does not affect the equilibrium level of technology.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,059
Tête enseignante GPT0,284
Écart entre enseignants0,225 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Studies of EconomicsMême sujetLabor market dynamics and wage inequalityTravaux en français237 207