Why This Study Now?
Notice bibliographique
Résumé
Abstract The study of occupational and structural changes in employment has garnered significant attention within the social sciences since the 1970s, driven by early contributions from scholars like Daniel Bell and Harry Braverman, who explored the implications of transitioning to a post-industrial society and the impact of technology on labour, respectively. Since then, particularly from the 1990s onward, the field has expanded, focusing on how technological, organizational and other transformations affect workers based on their skill level or the task content of their jobs, with the common goal of understanding how employment structures evolve over time. This book contributes to this body of literature by pursuing three main objectives. First, it updates the international evidence on occupational change using the most recent data available, covering approximately two decades up to 2022, including the impact of the COVID-19 pandemic on employment structures. Second, it broadens the scope of analysis beyond the traditionally studied regions (the US and Europe) to include a wider set of countries, encompassing also other developed and developing nations such as Canada, Mexico, Brazil, Chile, Argentina, India, Russia and South Korea. This expanded coverage allows for a more comprehensive understanding of the global mechanisms driving employment transformations, which can vary significantly across different contexts. Third, the book seeks to produce comparable evidence on a global scale by applying consistent methodologies across all countries studied, thereby minimizing the risk of discrepancies arising from methodological differences rather than actual variations in employment trends.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,072 | 0,031 |
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 ».