MétaCan
Menu
Retour à la cohorte
Enregistrement W7127593323 · doi:10.7202/1122499ar

Context, Resources and Strategic Choice: Responses to Labour and Skill Shortages

2025· article· fr· W7127593323 sur OpenAlexvenueno aff
Jonathan Lavelle, Michelle O’Sullivan, Caroline Murphy, Juliet MacMahon, Tony Dundon

Notice bibliographique

RevueRelations industrielles · 2025
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueMigration, Policy, and Dickens Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomic shortageGovernment (linguistics)Work (physics)ProvisioningResource (disambiguation)Labour supplyCivil societyHuman resources

Résumé

récupéré en direct d'OpenAlex

Labour and skill shortages are widely reported across most countries. With changing demographics, increasing digitalization and the transition to a green economy, to name but a few factors, concern is mounting about the supply of labour and skills for future demands. As a result, actors in the labour market, such as unions, employers and employer associations, government and civil society organizations are concerned about looming shortages of labour and skills. Several strategies to address such shortages have been identified, but a more detailed engagement is required to fully understand the complex interplay between each strategy and the environment in which it is pursued. Semi-structured interviews were conducted in Ireland with a range of actors who were specifically identified as having expertise and experience in strategies for labour and skill shortages. They reported a range of strategies that involved upskilling, higher pay, better working conditions, flexible work arrangements, use of migrant labour, development of untapped labour pools and provisioning of social goods. Decisions on these strategies had two key determinants: resource availability and the external environment. All actors mentioned a need for social dialogue to engage, explore and consider the wide range of options for dealing with labour and skill shortages.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,697
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,042
Tête enseignante GPT0,335
Écart entre enseignants0,293 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRelations industriellesMême sujetMigration, Policy, and Dickens StudiesTravaux en français237 207