Why does precarious work matter?: the implications of precarious work on job and life satisfaction in Canada
Notice bibliographique
Résumé
The goal of this study is to understand how precarious work relates to job and life satisfaction. Additionally, this research aims to describe who is most likely to experience aspects of precarious work based on their socio-demographic characteristics and what attributes of precarious work can be found in five main industries. To answer these questions, I used the 2016 Canadian General Social Survey (cycle 30). I analyzed the dataset in SPSS and STATA. I analyse descriptive data using crosstabulations and comparing means. For the multivariate analysis I use both logistic regression analysis and ordinary least squares regression analysis. The findings from the research show that as the number of indicators for precarious work increases for men and women, those who work in precarious jobs are significantly more likely to report lower job satisfaction than those who do not work in precarious jobs. Finally, for each additional precarious work indicator, men report a decrease in their life satisfaction, but the relationship between precarious work and life satisfaction is not significant for women. Furthermore, women, younger people, those who identify as a visible minority, those who are Indigenous, those who are recent immigrants, and those with lower levels of education are significantly more likely to experience aspects of precarious work. Also, aspects of precarious work are most likely to be found in the accommodation and food services and retail trade industries. Overall, this research explores precarious work in Canada and how it relates to job and life satisfaction.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».