MétaCan
Menu
Retour à la cohorte
Enregistrement W7146376901

賃金・雇用構造変化の実態と若干の分析―製造業・1961年-1993年―

2000· article· ja· W7146376901 sur OpenAlexaboutno aff
Yasuhiro Ueshima

Notice bibliographique

RevueInstitutional Repositories DataBase (IRDB) · 2000
Typearticle
Langueja
DomaineEngineering
ThématiqueMilitary Technology and Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDifferential (mechanical device)ResizingWageUnemploymentGlobalizationDeveloped countryWage inequalityInequality
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the United States, Canada and the United Kingdom wage inequalities widened rapidly in the 1980s. The other developed countries seem to have experienced higher unemployment rates. Western economists indicate that economic globalization and technological changes are possible causes. But these environmental changes are exactly what Japanese manufacturing industries have experienced. They have also experienced rapid aging of their labor forces and high educational upgrading. In this paper, I carefully examine the changes in the wage structure of manufacturing industries for more than thirty years, and analyze the effects of environmental changes on them. The main results are (1) that the age-wage differentials did not shrink in spite of the recent growth of and the reduced relative demand for older workers; (2) that the college graduates/high school graduates differential shrank until the middle 1980s because of the increase in the college graduates relative supply, and that recently both the wage differential and the relative supply have been stable; (3) that the nonproduction/production differential has been shrinking over the three decades while nonproduction workers have been relatively increasing; (4) that the shrinking of the gender differential has been very modest; and (5) that the overall wage dispersion shrank greatly during the 1960s and has been shrinking continually until the present.

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)0,003
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 enseignants0,045
Score d'incertitude au seuil0,150

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,010
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0450,014

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 Opus0,011
Tête enseignante GPT0,224
Écart entre enseignants0,213 · 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
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstitutional Repositories DataBase (IRDB)Même sujetMilitary Technology and StrategiesTravaux en français237 207