MétaCan
Menu
Retour à la cohorte
Enregistrement W2101485288 · doi:10.1093/cje/beu044

Australia's gender pay equity legislation: how new, how different, what prospects?

2014· article· en· W2101485288 sur OpenAlexaboutno aff
Sara Charlesworth, Fiona Macdonald

Notice bibliographique

RevueCambridge Journal of Economics · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Policy and Reform Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegislationLegislaturePay EquityEquity (law)EconomicsPoliticsInequalityPublic economicsEquity theoryWork (physics)Gender pay gapLabour economicsPolitical scienceEconomic growthLaw

Résumé

récupéré en direct d'OpenAlex

Australia’s equal pay laws have recently been renovated through the Workplace Gender Equality Act 2012 and the Fair Work Act 2009. In light of these changes, it is timely to ask how effective Australia’s legislative approach is likely to be for progressing pay equity. This article presents an analysis of Australia’s current equal pay provisions, assessing their potential on the basis of their operation to date and through recent experience in Canada and the UK. Although focused on outcomes, we argue that Australia’s new workplace-based mechanism under the Workplace Gender Equality Act may prove relatively ineffective in both diagnosing and remedying pay inequality. In comparative perspective the Fair Work Act provisions provide significant capacity to improve pay equity across large sectors of the labour market. To date the use of these provisions point to some practical limitations in realising this potential. Moreover, the inadequate legislative and policy integration between labour market, sectoral, workplace and individual approaches together with a wavering political commitment to equality legislation generally suggest gender pay inequity will remain a persistent feature of Australian employment.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,173

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,005
Communication savante0,0050,005
Science ouverte0,0010,003
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,124
Tête enseignante GPT0,343
Écart entre enseignants0,218 · 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

Citations26
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge Journal of EconomicsMême sujetSocial Policy and Reform StudiesTravaux en français237 207