Careers and labor-market stability vs. dynamisms: Using big-data to optimize career trajectories for better outcomes
Notice bibliographique
Résumé
In career and human resource management, long-standing questions about career dynamics, and more specifically, how to optimize career progress via dynamic moves or stable employment, remain unresolved. Challenging the myth of career stability in the modern labor market, this study leverages a unique, nation-wide big data set of approximately 3 million Bulgarian workers and 300,000 employers over an 11-year period to definitively answer the long-standing debate about career dynamism. We address conflicting arguments about the existence of substantial contemporary career dynamics. Theoretically, we expand both the boundaryless career and career ecosystem theories, subsequently providing new evidence for key scholarly debates regarding new careers' dynamics and practical advice for individuals. We employed linear probability analysis and sensitivity analysis to test our hypotheses. Our findings reveal a highly fluid environment where less than a third of the workforce experiences career stability. We identify eight distinct clusters of career boundary-crossings (job, employer, and sector changes) and demonstrate that, contrary to traditional views, frequent career moves are often associated with better financial outcomes. Notably, job and employer changes yield significant short-term wage growth and long-term wage increases, while sector changes often lag behind. We also uncover crucial temporal dynamics: the positive wage impact of career transitions amplifies over time, whereas the boost to wage growth is most pronounced immediately after a move. The implications for individual career management, organizational talent strategies, and national labor policies in navigating this dynamic landscape are substantial. • We answer an ongoing debate within the career field about boundaryless vs. bounded careers. • Using Big Data of 3,000,000 individuals & 300,000 employers, comprising one country's entire working population • Addressing conflicting arguments about the existence of substantial contemporary career dynamics • Expanding both the boundaryless career and career ecosystem theories • Finding a dynamic labor market characterized by career boundary-crossings: job, employer & sector
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 | 0,011 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».