MétaCan
Menu
Retour à la cohorte
Enregistrement W1909640798 · doi:10.18235/0010071

Porque no quiero o porque no puedo: ¿Cuánto no sabemos del trabajo femenino en Chile?

2015· report· es· W1909640798 sur OpenAlexaff
Rafael Novella, Graciana Rucci

Notice bibliographique

Revuenon disponible
Typereport
Languees
DomaineSocial Sciences
ThématiqueEmployment, Labor, and Gender Studies
Établissements canadiensAdidas (Canada)
Organismes subventionnairesInter-American Development Bank
Mots-clésArtSociology

Résumé

récupéré en direct d'OpenAlex

Esta nota aporta evidencia descriptiva sobre las desigualdades de género en el mercado laboral chileno en términos de participación, ingresos y segregación ocupacional. Además, describe la evolución de estas desigualdades en las últimas dos décadas y características asociadas a ellas. Encontramos que, a pesar de ser todavía alta en relación con otros países, la brecha de participación entre hombres y mujeres se fue cerrando en Chile en los últimos años, en especial entre mujeres casadas o en unión informal. En términos de ingresos, la brecha no explicada por características individuales y del empleo es elevada: los resultados del ejercicio de descomposición indican que, en promedio, la brecha que no se explica por esas variables equivale a un salario horario de las mujeres de apenas un 78% en relación al de los hombres. Finalmente, en términos de segregación ocupacional encontramos que, si bien los niveles son altos, presenta una tendencia a la reducción, en particular entre los individuos con mayor educación. El artículo refuerza que, a pesar de estos hallazgos, existen características particularmente relevantes asociadas a la participación y los ingresos que no han podido ser exploradas por limitaciones en los datos. Más aún, la ausencia de datos adicionales plantea consecuencias importantes sobre la posibilidad de diseñar e implementar políticas públicas mejor fundamentadas.

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.

Comment cette classification a été obtenuedéplier

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)0,006
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,008

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 Opus0,056
Tête enseignante GPT0,358
Écart entre enseignants0,302 · 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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEmployment, Labor, and Gender StudiesTravaux en français237 207