Would You like to Work More Hours?—An Investigation on South Africa
Notice bibliographique
Résumé
To begin with, Sustainable Development Goals are of tremendous importance in all areas, being seen as vital aims in all domains, which makes them indispensable when it comes to addressing the particularities of the labour market these days. Subsequently, human resources occupy a distinctive and unique position when referring to the implications derived from targeting Sustainable Development Goals, especially in the context represented by the period specific to the COVID-19 pandemic and the international events that followed immediately after that. This study investigates the work motivation of individuals, and whether they would be willing to work more hours if they are paid. Motivation and attitudes towards working more hours might be affected by several factors, and they are important contributors to business performance. Not only business performance is to be affected, but this is also a part of Sustainable Development Goals where labour market conditions and productivity concerns are addressed, along with several other factors. Using the Quarterly Labour Force Survey from 2017 to 2022 that is conducted by Statistics South Africa, this study attempts to shed light on individual preferences for working more hours in the case of South Africa. Considering the dichotomous dependent variable, a binary response model is utilised to explore the determinants of such behaviour. Findings of the probit model reveal that socio-demographic factors such as gender, marital status, education level, and work experience are important indicators to explain this preference. More precisely, being female increases the likelihood of willingness to work more hours if paid by 1.1 percentage points, and being never married increases that probability by 2.7 percentage points. Within education categories, the highest coefficient in magnitude, having tertiary education decreases the probability of willingness to work more hours by 8.2 percentage points. As an important labour market indicator, one more year to commence working increases the probability of willingness to work more hours by 0.4 percentage points.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».