MétaCan
Menu
Retour à la cohorte
Enregistrement W2022798248 · doi:10.1111/1536-7150.00217

Measuring Employer‐Based Discrimination Versus Customer‐Based Discrimination: The Case of French Canadians in the National Hockey League

2003· article· en· W2022798248 sur OpenAlexaffabout
Neil Longley

Notice bibliographique

RevueAmerican Journal of Economics and Sociology · 2003
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésLeagueIce hockeyDemographic economicsAdvertisingBusinessEconomicsPhysical medicine and rehabilitationMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract This paper examines alternative hypotheses as to why French Canadians are underrepresented on National Hockey League teams based in English Canada relative to their representation on teams based in the United States. Using panel data, the paper accounts for the idiosyncratic behavior of specific teams by using a fixed‐effects model. With these fixed‐effects accounted for, the paper tests the degree to which the representation of French Canadians on a team is related to that team's location—either in English Canada or the United States—versus the degree to which the representation is related to the ethnic origin of that team's coach and general manager. It finds the ethnic origin variables to be unable to explain the representational patterns, leaving the team location variable as the only significant explanatory variable. These statistical findings thus support a “customer discrimination” explanation of the underrepresentation, as opposed to an “employer discrimination” explanation. Identifying this source of any potential discrimination is important, since different sources will have different implications for the prospects of reducing such discrimination.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,076
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,074
Tête enseignante GPT0,260
Écart entre enseignants0,186 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations17
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Economics and SociologyMême sujetSports Analytics and PerformanceTravaux en français237 207