MétaCan
Menu
Retour à la cohorte
Enregistrement W2093450547 · doi:10.2190/wr.14.2.e

Are Less-Educated Women in the Blind Spot of Pay Equity?

2009· article· en· W2093450547 sur OpenAlexaffabout
Marie‐Josée Legault

Notice bibliographique

RevueJournal of Workplace Rights · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensUniversité TÉLUQ
Organismes subventionnairesnon disponible
Mots-clésEquity (law)Pay EquityBlind spotEconomicsGender equityDemographic economicsEconometricsLabour economicsPsychologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

In this article I will show two things: first, that the labour market is still very divided with respect to gender and, second, that the material impact of this division differs sharply by level of education. Among occupations that require the least education, women pay a very high price for this gender based division of employment. In contrast to occupations where more education is needed, those requiring the least education show a huge difference in wages according to whether they are predominantly male or predominantly female. This difference is a widespread phenomenon that favours so-called male occupations. The corresponding pay gap, in favour of men, in occupations requiring a high school diploma (Secondary V in Quebec) or less, is shrinking only slightly, whereas the gaps between men and women in occupations requiring more education are clearly closing. The article then demonstrates that three often mentioned options for action, at present, offer little hope to counter that particular phenomenon: Quebec’s Pay equity act application, collective bargaining and internal promotion. Yet, this problem still affects approximately 500,000 women, after 25 years of equal access programs and close to 15 years of implementation of the Pay Equity Act. Employment equity programs are the most promising initiatives, provided that they find their way into the affected employment sectors.

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)0,005
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 seuil0,151

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0040,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,040
Tête enseignante GPT0,277
Écart entre enseignants0,237 · 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

Citations3
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Workplace RightsMême sujetLabor market dynamics and wage inequalityTravaux en français237 207