Organizational and Individual Determinants of Atypical Employment: The Case of Multiple Jobholding and Self-Employment
Bibliographic record
Abstract
Le rôle traditionnel de la gestion de carrière attribuait à l'entreprise un certain contrôle sur le cheminement des individus, dans la mesure où la prise en charge organisationnelle était très active. Toutefois, le besoin incessant de flexibilité organisationnelle, qui mène à l'utilisation croissante du travail atypique, contribue à la consolidation des nouvelles carrières dans lesquelles les thèmes du contrôle et de l'autonomie sont questionnés. Parmi ces formes de travail atypique, le cumul d'emplois et le travail autonome/à son compte ont particulièrement retenu l'attention des chercheurs. En utilisant des données produites par Statistique Canada, nous avons cherché à identifier, par l'entremise des analyses de régression logistique, les facteurs qui influencent la probabilité de faire partie de ces deux catégories d'emploi atypique. Nos résultats suggèrent que les facteurs d'influence ne sont pas les mêmes pour les deux catégories d'emploi non standard considérées. Le secteur d'activité, le sexe et les promotions jouent davantage sur la probabilité de joindre les effectifs des autonomes/à son compte alors que la catégorie professionnelle, la fréquence du mouvement et l'absence de promotion influencent davantage la probabilité d'appartenir au groupe des cumulards. Finalement, nos résultats montrent que les effectifs de ces deux types de travail atypique ne sont pas homogènes et que l'appartenance à l'un ou l'autre de ces groupes n'implique pas exclusivement la précarité des conditions de vie et de travail.
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 | 0.007 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".