Analyse des déterminants de l’intensité de la recherche d’emploi en Côte d’Ivoire
Bibliographic record
Abstract
L’objectif de cette étude est d’analyser, pour la Côte d’Ivoire, les déterminants de l’intensité de la recherche d’emploi et du choix des modes de recherche d’emploi. Nous avons eu recours à une analyse économétrique appliquée à un échantillon de jeunes chômeurs issus de la base de données de « l’enquête-emploi Abidjan 2008 », réalisée par l’Agence d’études et de promotion de l’emploi (AGEPE). Les principaux résultats indiquent que les chômeurs ivoiriens sont moins actifs en terme de recherche d’emploi que les chômeurs non ivoiriens et ont davantage recours aux concours. Par ailleurs, les chômeurs faiblement qualifiés sont moins actifs en matière de recherche d’emploi que les chômeurs qualifiés et ont tendance à avoir recours aux réseaux de relations. Les chômeurs qualifiés, privilégient, quant à eux, les méthodes formelles de recherche d’emploi. Les résultats de l’étude, révèlent également que le taux de chômage et la densité de la commune de résidence du chômeur ont une influence sur l’intensité de la recherche d’emploi et le choix des méthodes de recherche d’emploi. L’étude montre aussi que la proximité à une zone d’emploi accroît l’intensité de recherche d’emploi tandis que la présence d’un service public de l’emploi (SPE) dans la commune n’incite pas à être actif en matière de recherche d’emploi. Ainsi, même si la proximité avec les agences locales d’emploi réduit les coûts de recherche d’emploi, la faiblesse des rendements attendus pourrait être un motif de découragement à la recherche active d’emploi.
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 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".