MétaCan
Menu
Retour à la cohorte
Enregistrement W7007884574

Análisis de la precariedad laboral y el efecto de la COVID-19 en el mercado laboral español durante el primer trimestre de 2020

2021· dissertation· es· W7007884574 sur OpenAlexaboutno aff

Notice bibliographique

RevueUCrea (University of Cantabria) · 2021
Typedissertation
Languees
DomaineSocial Sciences
ThématiqueEmployment, Labor, and Gender Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Job insecurityJob marketWork hoursUnemploymentOmitted-variable bias
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

RESUMEN: En este ensayo se ha decidido realizar un análisis descriptivo de la situación de precariedad laboral en la que se encuentra el mercado laboral en España durante el primer trimestre del 2020. Además de esto, se tratará de analizar el impacto de la Covid-19 en el mercado laboral, tomando el número de casos de coronavirus en cada CCAA como una de las variables que determinan la situación actual del mercado laboral, además de esta variable, analizaremos las variables que consideramos que influyen en la entrada o salida al mercado laboral y que consideramos como los principales determinantes del desempleo. Estudiaremos esta situación mediante tres regresiones, de las cuales, en el primer modelo se analizará la influencia de estos determinantes en las horas de trabajo mediante un modelo Tobit, y en el segundo y tercer modelo se estudiará la influencia de estas variables a la hora de poseer un contrato temporal o indefinido y a la hora de que la jornada de trabajo de los individuos sea parcial o completa, este análisis se realizará mediante dos modelos Logit. \n \nABSTRACT: In this essay, we have been decided to make a descriptive analysis about the job insecurity in the Spanish job market during the first quarter of 2020. Besides, we will try to analyze the hit of the Covid-19 on the job market, taking the number of coronavirus cases in each CCAA as a variable which establish the current job market position, in addition to this variable we will try to analyze more variables that we consider have an influence at the entry or exit in the job market and we consider that this variables are the main determinants of unemployment. We will study this situation by performing three regression, in the first model we will analyze the influence of these determinants on the working hours making a Tobit model, in the second and third model we will study the influence of these variables when the kind of the agreement is temporary or undefined and when the working hours are partial or complete, this analysis will be realised by two logit models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,164
Score d'incertitude au seuil0,327

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,340
Écart entre enseignants0,327 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUCrea (University of Cantabria)Même sujetEmployment, Labor, and Gender StudiesTravaux en français237 207