Le rôle des marchés locaux du travail dans la concentration spatiale des activités économiques
Bibliographic record
Abstract
Résumé Cet article revient tout d’abord sur les forces affectant positivement et négativement la concentration spatiale des activités économiques et sur la courbe en cloche liant coûts aux échanges et disparités régionales. Le rôle spécifique que sont susceptibles de jouer les marchés locaux du travail est ensuite détaillé. Si la concentration spatiale permet une plus forte division du travail, c’est aussi par des mécanismes d’assurance mutuelle que firmes et travailleurs gagnent à l’agglomération. Celle-ci améliore aussi, tant en termes de fréquence que de qualité, l’appariement sur le marché du travail. Finalement nous montrons comment les échanges de main-d’œuvre entre entreprises — plus intenses sur les marchés locaux du travail denses, même lorsque les firmes peuvent mettre en place des stratégies sophistiquées limitant les débauchages — peuvent jouer un rôle décisif dans la création et la circulation des connaissances. Une dernière section illustre empiriquement les disparités fortes existant entre marchés locaux du travail français, tant en termes de volume que de qualité de la main-d’œuvre, ce qui constitue la principale source de gains de productivité dans les zones où les activités se concentrent.
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 | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.001 |
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".