Characterizing Occupational Complexity: Insights from the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
Abstract Using data from the Canadian Longitudinal Study on Aging (CLSA), we found that previous research suggests cognitive trajectories following retirement exhibit heterogeneity (Gosselin & Boller, 2022). One potential explanatory factor is the complexity of one’s profession, which has been linked to cognitive reserve theory. However, the specific structure of occupational complexity within this cohort remains to be fully characterized. This study aims to identify and define the key dimensions of occupational complexity among participants from the CLSA using a data-driven approach. The sample consisted of 8,243 workers (M = 54.18, SD = 6.09). Occupational information was classified using the Dictionary of Occupational Titles (DOT) to derive complexity scores based on levels of interaction with data, people, and materials. A principal component analysis (PCA) was conducted to extract underlying dimensions of occupational complexity. PCA revealed two distinct dimensions of occupational complexity, explaining 82.5% of the variance: the first, “Coordination and Support” (51.4%), encompasses professions characterized by high levels of social interaction, mentoring, and personnel management (e.g., psychologists). The second, “Autonomous Management” (31.1%), comprises professions requiring elevated autonomy in decision-making and the performance of specialized, often technical, tasks (e.g., engineers). These dimensions highlight distinct patterns of professional task demands within the CLSA cohort. By identifying key occupational complexity profiles, this study enhances our understanding of the professional backgrounds within the CLSA. These findings provide a foundation for future research examining the potential long-term cognitive and health-related implications of occupational characteristics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».