MétaCan
Menu
Retour à la cohorte
Enregistrement W2047889725 · doi:10.1080/02692171.2014.907245

Occupational skill attainment in Canada: the role of gender, nativity status and ethnic origin

2014· article· en· W2047889725 sur OpenAlexaffabout
Najma R. Sharif

Notice bibliographique

RevueInternational Review of Applied Economics · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensSaint Mary's University
Organismes subventionnairesnon disponible
Mots-clésMultinomial logistic regressionEthnic groupForeign bornOccupational segregationCensusEducational attainmentOccupational prestigeImmigrationDemographic economicsHuman capitalDemographyCountry of originGeographySociologySocioeconomic statusPolitical scienceEconomicsLabour economicsWagePopulationEconomic growthStatistics

Résumé

récupéré en direct d'OpenAlex

This paper examines how ethnic origin and gender interact to shape the occupational skills attainment of native and foreign born workers in Canada. Of special interest is how the occupational profile of the foreign-born evolves over time relative to that of the native-born, by gender and ethnic origin. We estimate multinomial logit models from 1991 and 2006 census data, and then simulate occupational profiles of the native and foreign-born of different ethnic origin, controlling for human capital characteristics. We find that native and foreign-born women display the ‘glass-ceiling’ and ‘sticky-floor’ syndrome in that they are significantly underrepresented in management positions and overrepresented in clerical positions relative to men, more significantly if their education was not acquired in Canada. There is variation by ethnic origin, and all groups display significant occupational mobility over time. But even after 15 years, foreign-born occupational distributions differ substantially from those of the native-born.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,020
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,024
Tête enseignante GPT0,256
Écart entre enseignants0,232 · 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

Citations2
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Review of Applied EconomicsMême sujetLabor market dynamics and wage inequalityTravaux en français237 207