Going Separate Ways: Spatial Sorting by Education, Work, and Real Income in the USA since 1970
Notice bibliographique
Résumé
A growing literature within economic geography has been documenting the increas- ing skill and wage polarization within and across metropolitan areas in the US. This work has provided evidence that skill-biased technological changes in the second half of the 20th century made way to a significant upwards shift in the demand coupled with productivity gains for high-skill, college-educated, workers. These changes have not, however, unfolded uniformly across space. High skill workers have been increas- ingly concentrating in large metropolitan areas where higher housing costs are more than compensated by premiums in their wage. Such areas seemingly do not offer the same benefits to low-skill workers working in more ubiquitous, non-tradeable in- dustries, and burdened by high rents. The bipartite division of skill groups in most research has, however, largely obscured the realities of ‘middle class’ America; where they live; who they live with; the evolution of their real incomes and well being com- pared to other groups. In this study, we look at long-term changes in the spatial distribution of three skill groups and observe an important shift in the geography of medium-skill workers, which have gradually separated away from high-skill workers and grown in relative importance in smaller non-coastal areas, where increases in general income and housing costs have been more limited. From a regional perspec- tive, we identify a large set places that are dominated by the middle-skilled and discuss their general characteristics.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».