Bibliographic record
Abstract
Des exemples d’inA©galitA© en A©ducation et de surqualification sur le marchA© du travail peuvent souvent se produire dans le mAame bA¢timent administratif, comme par exemple un employA© de bureau ayant un diplA´me d’A©tudes supA©rieures et qui doit rendre compte A un supA©rieur n’ayant fait que des A©tudes secondaires. D’aucuns pensent qu’en gA©nA©ral l’inA©galitA© provient de mauvaises conditions A©conomiques; cependant, une A©tude intitulA©e « Conditions du marchA© du travail, exigences professionnelles et inA©galitA© en A©ducation » (Rapport de recherche du RCCMTC no 134) par le membre affiliA© du RCCMTC Fraser Summerfield (UniversitA© de Guelph) fournit des preuves que la tendance A la surqualification plus A©levA©e lors des rA©cessions est en partie due aux changements relatifs des types d’emplois proposA©s pendant ces pA©riodes. L’assurance-emploi (a.-e.) aide les travailleurs A faire face A des situations A©conomiques difficiles, telles que les pA©riodes de chA´mage ou de sous-emploi. Bien que l’a.-e. fournisse une assurance aux mA©nages avec l’avantage du lissage de la consommation pendant une pA©riode de chA´mage, des chercheurs dA©couvrent des preuves de risque moral, lorsque les prestations de l’a.-e. encouragent l’allongement de la pA©riode de chA´mage. Mais la documentation prA©cA©dente ne faisait pas la diffA©rence dans les changements des prestations lorsque les conditions du marchA© du travail sont bonnes ou mauvaises. Si l’avantage du lissage de la consommation ou le coA»t du risque moral de l’a.-e. dA©pendent des conditions du marchA© du travail, ceci peut impliquer que les prestations optimales de l’a.-e. devraient suivre les changements de la demande en main-d’A“uvre. Une A©tude intitulA©e « L’assurance-emploi doit-elle varier selon le taux de chA´mage ? ThA©orie et preuves » (Rapport de recherche du RCCMTC no 104) par les membres affiliA©s du RCCMTC Kory Kroft (UniversitA© de Toronto) et Matthew Notowidigdo (Booth School of Business, UniversitA© de Chicago) examine comment les prestations optimales de l’a.-e. varient selon le cycle A©conomique en A©valuant comment le coA»t du risque moral et l’avantage du lissage de la consommation de l’a.-e. varient avec le taux de chA´mage.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.170 | 0.069 |
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".