Êtes-vous dans une meilleure situation économique qu’il y a quatre ans? Examen de la perception du revenu des médecins de famille en Ontario
Bibliographic record
Abstract
La perception subjective du revenu joue un rôle important dans les relations de travail et la satisfaction au travail. Lorsque les travailleurs estiment qu’ils ont déjà fait des sacrifices antérieurs en matière de salaires et d’avantages sociaux, ils risquent d’avoir des aspirations plus élevées aux prochaines rondes de négociations collectives que ce n’aurait été le cas autrement. Malgré le rôle important des perceptions subjectives du revenu actuel, il est difficile d’en tenir compte dans la recherche appliquée car on ne les observe pas très souvent dans la pratique. À notre connaissance, il y a peu ou pas d’études scientifiques qui portent sur l’exactitude desperceptionsrétrospectives ou actuelles du revenu par opposition aux attentes prospectives. Cette étude porte sur les médecins de soins primaires indépendants et non salariés dans la province canadienne de l’Ontario. Nous nous intéressons à leurs perceptions rétrospectives du revenu touché au cours d’une période récente, et ce pour deux raisons. Premièrement, ce facteur pourrait influencer leurs attentes futures de revenu. Deuxièmement, l’augmentation ou la baisse perçue du revenu réel aura probablement une incidence importante sur la négociation des salaires et des honoraires sans compter sur la satisfaction au travail et le moral. Notre analyse empirique évalue l’exactitude de l’évaluation rétrospective du revenu réel par les médecins de famille en comparant l’évolution réelle et l’évolution perçue du revenu au cours d’une période de référence. Nous avons bénéficié d’une source de données unique pour déterminer l’écart entre l’évolution réelle et l’évolution perçue du revenu, soit les données des déclarations de revenus. Notre méthodologie comprend des statistiques descriptives ainsi qu’une analyse de régression multivariée. Notre étude révèle que les médecins de famille ont une tendance un peu surprenante à sous-estimer l’évolution véritable de leur revenu. En effet, plusieurs des sujets de l’échantillon ont réalisé une croissance de revenu plus importante qu’ils le croyaient au cours de la période de référence. Cette perception fausse de l’évolution du revenu était plus marquée chez les médecins dont le revenu réel avait baissé ou peu augmenté. Néanmoins, plus l’augmentation réelle du revenu était importante, plus le sujet était susceptible de signaler une augmentation de revenu.
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 | 0.000 | 0.001 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".