MétaCan
Menu
Retour à la cohorte
Enregistrement W7036941180

Different strokes for differents folks : examining the effects of computerization on Canadian workers

2008· other· en· W7036941180 sur OpenAlexaboutno aff

Notice bibliographique

RevueÉrudit documents and data repository (Érudit Consortium, University of Montreal) · 2008
Typeother
Langueen
DomaineSocial Sciences
ThématiquePolitical Science Research and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMerge (version control)Function (biology)Tacit knowledgeSoftwareProcess (computing)Service (business)Computer technology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Computerization (the diffusion of a combination of hardware and software) has accelerated in the last 30 years due to advances in electronic technologies, the advent of the microprocessor and the tremendous development of the software industry. The process of codification has intensified and routine tasks have tended to disappear, changing the architecture of jobs and, therefore, the structure of employment. A number of occupations have become increasingly associated with the computer, and these jobs require highly skilled workers. Using a production function framework, we found that computerization is not labour-saving but is instead labour-using. Despite this general trend, important inter-industrial differences prevail in the association of skills patterns with the computer. By transforming the structure of jobs, the computer has changed the skills requirements: the knowledge, management and data category of workers is closely associated with the use of computers while for good workers the relationship is a substitutive one due to expert systems software. The computer because of the highly tacit nature of the tasks does not affect the service category of workers. Though the uniqueness of the computer revolution should not be exaggerated, the computer has certainly acted as a catalyst given its pervasiveness and its capacity to merge with other technologies.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,060
Score d'incertitude au seuil0,434

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0100,003
Communication savante0,0030,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,271
Écart entre enseignants0,248 · 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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueÉrudit documents and data repository (Érudit Consortium, University of Montreal)Même sujetPolitical Science Research and EducationTravaux en français237 207