Effects of the COVID-19 pandemic on the restaurant industry: Comparisons between immigrants and US-born workers
Notice bibliographique
Résumé
The COVID-19 pandemic reduced employment in the U.S., across many industries. The restaurant industry was particularly hard hit, losing 2.5 million jobs in 2020 alone. Now in the recovery from the pandemic, the restaurant industry is experiencing an unprecedented shortage of workers, forcing many restaurants to raise their offered wages, reduce their hours of service, or close altogether. How have workers been affected by these demand shocks? Understanding the demand for restaurant workers during the pandemic and the recovery has important policy implications because restaurant workers make up the third largest occupation group and have the lowest wages of any occupation group. Foreign-born workers in particular are overrepresented in restaurants and in the back-of-house jobs that are lower paying and more dangerous. Using results from our nationally-representative survey of restaurant owners and hiring managers and our analysis of Community Population Survey data, we found that foreign-born workers fared worse than native-born workers as the restaurant industry shed jobs during the height of the pandemic. Our findings are consistent with previous studies suggesting that foreign-born workers are more vulnerable to negative business cycles than their native-born counterparts. But during the various stages of the recovery, when the restaurant industry experienced worker shortages, we also found that there was very little shifting toward foreign-born workers. These results are at odds with previous studies suggesting that foreign-born workers would be more attractive in these circumstances because they are more adaptable to changing labor demands (including dangerous working conditions like a pandemic) and do not have access to social safety net benefits like unemployment compensation. Part of the explanation for this surprising result may be found in recent, more restrictive immigration policies that have decreased the pool of available foreign-born workers.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».