MétaCan
Menu
← Retour à la cohorte
Enregistrement W7095652287

Economic Quarterly—Volume 97, Number 4—Fourth Quarter 2011—Pages 359–387 Accounting for the Non-Employment of U.S. Men, 1968–2010

2013· article· en· W7095652287 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationQuarter (Canadian coin)Marital statusWorking populationTrough (economics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Men in their prime working age, defined as men between the ages of 25 and 64, constitute 33 percent of the civilian non-institutionalized population in the United States. At the trough of the 1969–1970 recession, 6.5 percent of this group (henceforth, “population”) were out of the labor force (OLF), 90.8 percent were employed, and 2.7 percent were unemployed. Since then, the employment-to-population ratio has trended persistently downward, while the OLF-to-population ratio has increased substantially. 1 In 2010, the aftermath of the 2007–2009 recession, the employmentto-population ratio of this same group declined to an all-time low of 76.3 percent, while the OLF-to-population ratio increased to an all-time high of 14.7 percent (see Figure 1, Panels A–C). In this article, we investigate the extent to which the change in the sociodemographic composition of the population (by age, educational attainment, marital status, and race) has contributed to the changes in the aggregate labor market outcomes. Our emphasis on the compositional changes in the sociodemographic characteristics of the population is motivated by a literature rife with correlations between sociodemographic factors and labor market outcomes. In particular, older workers typically experience lower rates of labor force participation and, conditional on participating, older workers are We would like to thank Huberto Ennis, Arantxa Jarque, Nadezhda Malysheva, and Alexander Wolman for their invaluable comments. The views expressed here do not necessarily reflect those of the Federal Reserve Bank of Richmond or the Federal Reserve System. E-mail:

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,419

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,1250,087

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 Opus0,017
Tête enseignante GPT0,221
Écart entre enseignants0,204 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLabor market dynamics and wage inequality→Travaux en français237 207→