MétaCan
Menu
Retour à la cohorte
Enregistrement W4392505030 · doi:10.1016/j.infoecopol.2024.101091

Terms of use and network size: Evidence from online job boards and CV banks in the U.S.

2024· article· en· W4392505030 sur OpenAlexaff
Vera Brenčič

Notice bibliographique

RevueInformation Economics and Policy · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDigital Platforms and Economics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBusinessEconomicsEconometricsAccounting

Résumé

récupéré en direct d'OpenAlex

Data on websites that hosted job boards and CV banks in the U.S. from 2000 to 2011 reveal that websites imposed fewer restrictions (in terms of the duration of use) and lower fees for job searchers relative to employers. This asymmetry in the treatment (or the terms of use) changed as the relative scarcity of job searchers and job vacancies in the labor market in which the websites offered their services changed. Compared with job searchers, employers faced less stringent restrictions and lower fees when job searchers were scarce relative to job openings. These adjustments imply that the value of using an employment website changes with the number of potential users and the probability of finding a quality match. We find that these adjustments were most pronounced for websites that relied exclusively on employers and job searchers for their content (job ads and CVs). Whereas existing literature on the role that network size plays in intermediaries’ decision-making has focused on prices, our findings reveal that this focus can overlook other adjustments that affect the terms of use. Given that these adjustments in our context may result in longer periods during which CVs and job ads remain online, our findings suggest that the optimal design of intermediaries must include tools that help users sort through stale information.

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)0,002
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,224
Écart entre enseignants0,204 · 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'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInformation Economics and PolicyMême sujetDigital Platforms and EconomicsTravaux en français237 207