MétaCan
Menu
Retour à la cohorte
Enregistrement W1491391816 · doi:10.1111/coep.12071

PRIVATIZATION IN CHINA: TECHNOLOGY AND GENDER IN THE MANUFACTURING SECTOR

2014· article· en· W1491391816 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueContemporary Economic Policy · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensUniversity of AlbertaCarleton University
Organismes subventionnairesnon disponible
Mots-clésProductivityWageProduction (economics)Labour economicsPanel dataChinaEconomicsBusinessDemographic economicsEconometricsEconomic growthMicroeconomics

Résumé

récupéré en direct d'OpenAlex

This paper examines the impact of privatization on gender discrimination in China across firms with different technology intensities. Using a comprehensive firm‐level survey, the paper identifies gender wage‐productivity differentials by directly estimating the relative productivity levels of workers from the production function of firms. The panel structure of the survey is taken advantage of by following firms that were fully state‐owned in the initial year, and distinguishing them from firms that were later privatized. The main results show that privatization was associated with an increase in relative productivity of female workers in high technology industries, and a reduction in relative productivity of female workers in low technology industries. Time varying coefficient results suggest that the improvements in gender outcomes in high technology industries may not be maintained in the long run as the relative wage and productivity ratios tend to deteriorate, potentially due to low supply of highly educated female workers. At the same time, outcomes in privatized low technology industries increase over time, lowering the wage and productivity gaps between male and female workers . ( JEL J16, J31, P20)

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,545

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,032
Tête enseignante GPT0,238
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle