MétaCan
Menu
Retour à la cohorte
Enregistrement W2003299015 · doi:10.1080/00074918.2015.1016569

Gender Discrimination in Earnings in Indonesia: A Fuller Picture

2015· article· en· W2003299015 sur OpenAlexaboutno aff
Kitae Sohn

Notice bibliographique

RevueBulletin of Indonesian Economic Studies · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEarningsDistribution (mathematics)Gender gapWork (physics)EconomicsQuarter (Canadian coin)Demographic economicsDecompositionGender pay gapLabour economicsEconometricsGeographyWageMathematics

Résumé

récupéré en direct d'OpenAlex

This article analyses data from the 2007 Indonesia Family Life Survey in order to decompose the gender gap in earnings into explained and unexplained gaps, not only at the mean but also across the entire distribution. Women earned about 30% less than men, in both paid work and self-employment. The explained gap accounts for only about a quarter of the gap in paid work but for about half of the gap in self-employment. When the decomposition is made across the earnings distribution, the total gap decreases with earnings in both paid work and self-employment, and both conditional and unconditional on characteristics. In both employment sectors, the explained gap remains similar across the distribution, and therefore the unexplained gap drives the decrease in the total gap. The unconditional decomposition across the distribution provides great insight into the dynamics that are obscured in results derived from decomposition at the mean.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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 Opus0,061
Tête enseignante GPT0,266
Écart entre enseignants0,204 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations63
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of Indonesian Economic StudiesMême sujetLabor market dynamics and wage inequalityTravaux en français237 207