Desajuste educativo y ajuste económico: ¿cómo respondió el mercado de trabajo mexicano ante la pandemia?
Notice bibliographique
Résumé
En México, la llegada de la covid-19 afectó la participación laboral de la mayoría de la población. A propósito de ese fenómeno, con este artículo se busca medir los niveles de desajuste educativo –por sobreducación y subeducación– antes y después del cierre de actividades decretado ante la pandemia. Se revisan los cambios en el ajuste educativo entre el primer trimestre de 2020 y el tercero del mismo año, sumando además el primer trimestre de 2021. La atención se centra en si se modificaron los perfiles sociodemográficos y si esto implicó cambios en las condiciones de los desajustados, o si bien estos fueron producto de la crisis. Para el análisis se utilizan la Encuesta Nacional de Ocupación y Empleo y modelos multinomiales sobre la probabilidad de insertarse en algún tipo de inadecuación educativa con una base agrupada para cinco ediciones de la encuesta a fin de establecer los cambios en el tiempo. Los resultados muestran que se registra un aumento de alrededor de 0,5 % de sobreducación en la población ocupada total, si se consideran las características sociodemográficas y de inserción laboral. Del mismo modo, se reflejan diferencias entre los empleos informales y los formales en términos de cómo ocurren estos cambios, pues los primeros se inician con incrementos, mientras en los segundos esto se da en el mediano plazo.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».