Bibliographic record
Abstract
La question de l’insertion sur le marché du travail urbain des migrants ruraux est aujourd’hui devenue essentielle en Chine. Dans un contexte de réformes économiques, les politiques migratoires en Chine continentale se sont redéfinies, intensifiant ainsi fortement les migrations internes. Depuis les années 1980, cet exode est pour l’essentiel celui des « paysans-ouvriers » (min gong), qui sont ainsi devenus un élément majeur de la transition de la Chine vers une économie de marché. Cet article étudie l’insertion de ces migrants ruraux sur le marché du travail de la province du Guangdong à partir d’une base de données originale, issues d’une enquête sur les paysans-ouvriers, réalisée en 2006. À partir de modèles de durée, nous portons une attention particulière aux caractéristiques individuelles, temporelles (évolution de la mobilité dans l’emploi au cours du temps) et spatiales (rôle du lieu d’origine). Nos résultats montrent que les migrants forment un groupe hétérogène du point de vue de leurs caractéristiques individuelles et de leur employabilité dans le delta de la rivière des Perles. Les femmes, les jeunes et les peu qualifiés sont avantagés. La proximité géographique est également favorable. Nous examinons enfin les déterminants du salaire urbain des paysans-ouvriers qui s’insèrent sur un marché du travail de plus en plus segmenté et fragmenté.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".