MétaCan
Menu
Retour à la cohorte
Enregistrement W2050370290 · doi:10.1108/17542411211244795

Pay dispersion and earnings for women and men: a study of Swedish doctors

2012· article· en· W2050370290 sur OpenAlexaff
Alison M. Konrad, Yang Yang, Kathleen Cannings

Notice bibliographique

RevueGender in Management An International Journal · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésEarningsCompensation (psychology)Dispersion (optics)Position (finance)Demographic economicsOriginalityGender pay gapLabour economicsValue (mathematics)EconomicsPsychologySocial psychologyAccountingWage

Résumé

récupéré en direct d'OpenAlex

Purpose Relatively little research has examined whether pay dispersion influences men's and women's earnings differently. The purpose of this paper is to fill this research gap. Design/methodology/approach The authors used survey design and multiple regressions to analyze a sample of 650 Swedish medical doctors. Findings Pay dispersion was found to be negatively associated with both men's and women's earnings. These effects were contingent on compensation informality and the individual's position in the pay structure. Specifically, when pay dispersion was high, high compensation informality resulted in women being paid less. The interaction of pay dispersion and compensation informality was unrelated to men's earnings. Also, women who were paid less suffered larger penalties when pay dispersion was higher, but their female counterparts who were paid more gained from the existence of greater pay dispersion. Originality/value Examining the structure of labor markets on individual outcomes is increasing in importance due to the boundaryless nature of contemporary careers. As people cross functional, organizational, industrial, and even occupational boundaries more frequently in their career lifetimes, they are increasingly exposed to the structural effects of external labor markets. As such, the effects of factors such as pay dispersion and compensation informality in the market are becoming increasingly significant to the fortunes of women and men facing those conditions.

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 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 enseignants0,058
Score d'incertitude au seuil0,183

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,096
Tête enseignante GPT0,350
Écart entre enseignants0,254 · 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.

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

Citations4
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGender in Management An International JournalMême sujetGender Diversity and InequalityTravaux en français237 207