Une évaluation de la stratégie d’incitation financière à l’emploi des personnes âgées au Québec
Bibliographic record
Abstract
Notre recherche recense la mise en place depuis 2008 de quatre types d’incitatifs financiers au Québec et au Canada : l’autorisation du cumul de revenu d’emploi et de rentes de retraite, un crédit d’impôt destiné à l’offre de travail, un mécanisme de bonus-malus sur les rentes de retraite et un crédit d’impôt destiné à la demande de travail. Ces changements représentent une reconfiguration de la logique institutionnelle du système de retraite orientée vers le maintien prolongé des personnes âgées en emploi. Notre travail a pour principale question de recherche d’évaluer les effets de ces incitatifs financiers sur la participation des personnes âgées au marché du travail, sur le type d’emploi occupé et sur l’intensité de celui-ci. À partir des microdonnées maîtres de l’Enquête sur la population active de 2000 à 2023 et en employant la méthode des différences dans les différences, nous avons évalué au sein d’un même modèle l’efficacité de ces quatre types d’incitatifs financiers. Nos résultats montrent que toutes les mesures ont exercé une influence modérée à la hausse sur l’activité des personnes âgées, l’incitatif le plus efficace étant la possibilité de cumuler des revenus d’emploi et des rentes de retraite. Sur le plan du temps de travail, les mesures incitatives ont peu influencé l’intensité du travail et le recours au temps partiel, ce qui s’explique par des effets opposés selon les mesures mises en place. Ces résultats mènent à la conclusion que davantage d’efforts devraient être entrepris pour accommoder les conditions d’emploi des personnes âgées pour influencer plus efficacement celles-ci à demeurer sur le marché du travail.
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 | 0.006 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".