Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine the evolution, implementation and effectiveness of the Pay Equity Act in Ontario, Canada. Given that this Act is considered by many as the world's most progressive equal pay for work of equal value legislation, there are important implications for policy globally. Design/methodology/approach Through a review of relevant documents and the literature, the paper examines the need for the Pay Equity Act in Ontario, its origins, and with two decades of experience, analyze its effectiveness. A case study is also used to assess related procedures and effects of the law. Findings In spite of its limitations and the wide pay gap that still exists between men and women, many female workers have benefited from Ontario's progressive Pay Equity Act. In targeting the discriminatory aspect of women's work evaluations, the Act has resulted in pay increases for thousands of women, especially in the public sector. Practical implications There are many practical and social implications for jurisdictions across the globe, as they try to grapple with gender pay equities. Policy makers can learn from the successes and challenges experienced in Ontario. Pay equity legislation will unlikely achieve any significant progress in reducing the wage gap if it relies on workers to complain about the inequity in their pay. A proactive pay equity law, such as that in Ontario, will force employers to make more focused efforts to deal with gender pay discrimination. Ontario's bold “experiment” with pay equity holds valuable lessons for jurisdictions globally. Originality/value While there has been some research on the Ontario Pay Equity Act, there is a paucity of scholarly work that examines the details of the pay system that the Act has spawned. There is also little work in assessing the effectiveness of the legislation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».