La détermination des salaires et le chômage naturel dans la perspective de prospection du marché du travail
Bibliographic record
Abstract
Dans cette étude, nous centrons l’analyse sur les variables orientées sur la prospection du marché du travail. Les taux de variations des salaires et le taux de chômage naturel sont sujet à la rigidité des ajustements salariaux tels que représentés par les modalités d’ajustement aux taux passés et dépendent de la dispersion des taux de salaires ainsi que des changements dans le régime d’assurance-chômage, de même que l’état de la conjoncture représenté par le taux de chômage observé. Les résultats sont à l’effet que les disparités de salaires ont un effet positif sur les taux de variations salariaux et le taux de chômage naturel, ce qui va dans le sens prédit par les théories de prospection du marché du travail. Quant à l’assurance-chômage, ses effets sont négatifs. Si ces dernières conclusions vont à l’encontre des prévisions fondées sur l’offre de travail, elles surprennent moins lorsqu’elles sont vues dans l’optique de l’offre et de la demande de travail. Le taux de chômage naturel que nous obtenons évolue en forme de paliers; jusque vers 1970, il se situe à près de 6½ %, puis il atteint 9 % jusque vers 1975, pour enfin atteindre en moyenne 12 % à la fin de la période étudiée.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".