The Job Ladder
Notice bibliographique
Résumé
Abstract Using a range of countries from the Global South, this book examines heterogeneity within informal work by applying a common conceptual framework and empirical methodology. The country studies use panel data to study the dynamics of worker transitions between formal and heterogeneous, informal work. The range of country studies in the book (covering Asia, Latin America, the Middle East, and North Africa and sub-Saharan Africa) allow us to present a comparative perspective across developing countries. Each country study provides a nuanced view of informality, dividing workers into six work status groups: formal wage-employees, upper-tier informal wage-employees, lower-tier informal wage-employees, formal self-employed, upper-tier informal self-employed, and lower-tier informal self-employed. Based on this common conceptual framework, the country studies examine the distribution of workers between each of these work status groups. Using panel data, the country studies document transition patterns across different formality and work status groups. The panel data analysed in each country study gives a basis for making statements about labour market transitions that are not warranted when using comparable cross sections. In addition to measuring the distribution of workers and transitions between work status groups, each country study also examines individual-level and household-level characteristics associated with workers in each work status. Using these characteristics, each country study constructs a ‘job ladder’ that ranks each work status. The country studies then examine the characteristics of workers that are associated with transitions up (and down) the job ladder.
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 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 | 0,000 | 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 | 0,001 | 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 | 0,005 |
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 tête enseignante, 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 ».