Multidimensional Demography: A New Approach to Assessing the Human Resources of the Russian North
Notice bibliographique
Résumé
Over the past three decades, the population of the Russian North has decreased by almost a quarter. Simultaneously, an increasing share of pensioners may negatively affect the availability and quality of labour resources in northern regions. The article examines the dynamics and structure of human resources in 13 regions of the Russian North in the 21st century using multidimensional demography. This approach, along with the main demographic indicators (sex, age) varying in time and space, involves considering such additional characteristics as education and labour force participation. This view of demographic processes can reveal whether an increase in education or employment (qualitative characteristics) can help reduce negative trends in the quantitative characteristics of human resources. The average duration of education of the total and employed population was compared. Indicators of the total duration of education and education costs were used to assess the value of the accumulated educational potential. According to the calculations, in 2002–2010, the total duration of education of the employed population decreased only in 3 of the 13 northern regions and remained at the 2002 level in 3 regions. In 2010–2021, this indicator already decreased in seven constituent entities and remained at the 2010 level in three regions. The total loss of educational potential of human resources amounted to 4.1 million person years of education. To remedy the educational potential in 2020 prices, more than 600 billion roubles of budgetary funds would be needed. The occurred transformations are clearly demonstrated by sex-age-educational pyramids. The study showed that negative demographic trends in the Russian North almost cannot be reduced by improving qualitative characteristics. The findings can be applied to develop demographic, social and labour policies, and to construct demographic forecasts.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».