Los y las jóvenes que ni estudian ni trabajan en Quebec (Canadá): un caso paradigmático para comprender las transformaciones estructurales del mercado de laboral
Bibliographic record
Abstract
Las profundas transformaciones estructurales del mercado laboral –ya sean tecnológicas, organizacionales, asociadas a la producción y al medioambiente, o incluso a nuevas modalidades atípicas de actividad, empleo o a la disminución de la seguridad y los derechos laborales (Mercure y Vultur, 2019)–, cuestionan el modelo dominante de empleo, en tanto norma social y estadística, su impacto, su significado para los individuos, pero también las categorías administrativas, institucionales y políticas que las abordan. Este artículo se focaliza en la categoría NINI, “ni estudian ni trabajan”, utilizada para caracterizar la situación de jóvenes al margen de las actividades generalizadas de empleo y educación durante esta etapa de la vida. Por su heterogeneidad y vaguedad, dicha categoría constituye un caso paradigmático para comprender las transformaciones estructurales del mercado de trabajo, reflejadas tanto en las trayectorias sociolaborales y educativas de dichos y dichas jóvenes, en la resistencia subjetiva a las normas de empleo que las mismas revelan, y en los desafíos que la categorización de esas trayectorias crean a las políticas públicas y al conocimiento. Los resultados provienen de una investigación cualitativa realizada con 81 jóvenes de 17 a 34 años que viven en Quebec (Canadá) y que han experimentado al menos un período NINI de un año o más. Los mismos ponen en evidencia las trayectorias biográficas, actividades, decisiones, dificultades y desigualdades sociales que las atraviesan, permeables a una multiplicidad de cambios en el empleo, que contrasta con la visión estática, binaria y negativa impuesta a través de la categoría NINI.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.020 | 0.012 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".