Does employee organising power matter on wage levels in Canadian gig economy: the role of unionisation, inflation, immigration and information and communication technology
Notice bibliographique
Résumé
Purpose The progressive advancement of technology and the rise of fissured workplaces have led to significant shifts in global employment structures, particularly towards the gig economy. In Canada, however, gig economy workers remain largely excluded from opportunities for unionisation. Historically, unions have demonstrated substantial organisational power, serving as critical institutions for improving workplace conditions through collective bargaining. This study, therefore, aims to examine the impact of unionisation, immigration, human capital, inflation and information and communication technology on wage determination in Canada, situating the analysis within the broader context of a rapidly evolving employment landscape. Design/methodology/approach Using Canadian time series data from 1980 to 2022, the research uses the dynamic autoregressive distributed lag approach to identify both cointegrating relationships and counterfactual effects among the variables. Additionally, the counterfactual analysis examines the effects of ±1% and ±5% shocks on the dependent variables. The robustness of these findings is confirmed through the kernel-based regularised least squares machine learning approach. Findings The findings reveal that unionisation, inflation, immigration and information and communication technology development significantly influence wages at a 1% level, while human capital at a 5% level in the long term. The robustness of these findings is further confirmed by the kernel regularised least squares machine learning algorithm. Practical implications Based on the findings, the study recommends that policymakers should implement targeted strategies to enhance union representation among gig economy workers and strengthen collective bargaining mechanisms. Additionally, addressing broader factors influencing wage dynamics, such as human capital development, immigration policies, information and communication technology advancements and inflation-indexed wage adjustments, can foster equitable and sustainable wage growth across diverse sectors. Originality/value Exploring the dynamic and cointegrating relationships between unions’ organising power and wage levels within the purview of inflation, immigration, human capital and information and communication technology development is unprecedented. Additionally, applying the kernel regularised least squares machine learning algorithm to check robustness is completely new in a study within the realm of employment relationships.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 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) | 0,005 | 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 ».