Wage dispersion, technology adoption and labor market polarization
Notice bibliographique
Résumé
The last decades have seen labor markets in developed economies become increasingly polarized. In a recent contribution, Shim and Yang (2018) show that labor market polarization in the U.S. has been more pronounced in high-wage industries that in low-wage industries. This thesis seeks to investigate whether the observed relationship between wage differentials across industries and labor market polarization also holds for a different economy. Using Canadian decennial census data and WORLD KLEMS Growth and Productivity Accounts, our empirical results reveal remarkable similarity to those of Shim and Yang (2018) and confirm that wage differentials and labor market polarization are systematically linked. We introduce a two-sector neoclassical growth model in discrete time to scrutinize the relationship between inter-industry wage differentials and labor market polarization. Assuming a rigid wage structure, the model shows that firms in high-wage industries seek to cut overall production costs by substituting workers performing ’routine’ tasks with information- and communication technologies (ICT). As technological improvements have led to a rapid price decline for ICT, firms in high-wage industries have more economic incentives to dynamically substitute routine workers with ICT. Firms that pay a relatively high wage premium to workers, decrease routine employment more stronger than low-wage firms, which, in turn, has led to heterogeneous degrees of job polarization across industries.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».