Fin de vie active des travailleurs canadiens : une analyse des départs d’emploi de carrière et des emplois de transition selon l’industrie, 1993-2010
Bibliographic record
Abstract
Avec la vague des départs à la retraite amorcée par la génération des baby-boomers, le marché du travail canadien traversera inéluctablement une période de transition. Le vide laissé par ces départs obligera de nombreuses industries à réajuster leur tir afin de ne pas être secouées par de trop fortes turbulences. À cet effet, l’impact des retraites n’aura pas la même ampleur pour chacune des branches d’activité. S’appuyant sur les données longitudinales de l’Enquête sur la dynamique du travail et du revenu de 1993 à 2010, cette recherche analyse les tendances au fil du temps et entre les industries en regard des départs d’emploi de carrière. Une attention particulière est aussi portée aux emplois de transition selon le secteur d’activité, afin de déterminer si cette pratique peut amoindrir les répercussions des départs d’emploi de carrière. Les résultats montrent que l’intensité des départs d’emploi de carrière s’accroit au cours de la période considérée et que d’importantes variations existent entre les travailleurs des diverses catégories d’industries examinées. L’industrie des services professionnels, scientifiques et techniques affiche la plus faible proportion de travailleurs ayant quitté un emploi de carrière (26 %). À l’autre extrémité du spectre, les travailleurs du secteur de l’hébergement et des services de restauration présentent la plus forte probabilité d’effectuer un départ d’emploi de carrière (47 %). Au chapitre des emplois de transition, les travailleurs en provenance l’industrie de la construction montrent la plus forte propension à oeuvrer au sein d’un tel type d’emploi. Si certaines industries se démarquent des autres, cela s’explique surtout en raison du comportement différentiel des travailleurs les plus âgés (55 à 64 ans).
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".