The Evolution of Job Insecurity in Spatial Contexts in Europe During COVID-19 Pandemic
Notice bibliographique
Résumé
Unemployment caused by the COVID-19 pandemic is of the utmost importance for governing bodies worldwide. Its constant increase during the last months is subject of major concern for both citizens and policy makers, as individuals might experience increased feelings of job insecurity due to the pandemic context and to the latest developments on the job market. Job insecurity refers to a perceived threat to the continuity and stability of employment as it is currently experienced and has a negative impact on the individuals’ quality of life. Many researches have linked job insecurity with low levels of well-being and high levels of stress, as well as local or national measures taken in job creation and job retention. Aside from individual factors, there are other critical influences that should be considered in order to better understand the dynamics of job insecurity against the COVID-19 pandemic. Such influences can come from regional features such as spatial, economic, or demographic characteristics, like gender, age, or education. The aim of the paper is to identify and spatially represent the variations and evolution of job insecurity during the on-going pandemic. Our analyses are based on the PsyCorona database (15.311 participants), a study with self-reported data deployed in countries all around the world, that monitored various psychological variables during the first pandemic waves. For the purpose of this research, data related to the first wave (March-July 2020) was selected. In order to get a better understanding of the spatial distribution of self-reported job insecurity, we chose to focus on eight European countries (France, Germany, Netherlands, United Kingdom, Greece, Romania, Spain, and Italy). Respondents from Western Europe countries expressed lower scores on self-reported job insecurity and less variance over time while those from Southern and Eastern Europe displayed higher scores for job insecurity and more variance. Moreover, we found that the higher the overall job insecurity is perceived in a country, the higher the discrepancies between age, gender, and education categories tend to be.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».