Perceived justice as predictors of a successful pay equity plan: a Canadian case study
Notice bibliographique
Résumé
Purpose – This study aims to identify the predictors of successful implementations of pay equity plans. Drawing on the perspective of organizational justice, this study highlights the factors that lead to the establishment of perceived fair pay for female-dominated jobs. Design/methodology/approach – Qualitative data were collected from 107 respondents in a Canadian company that implemented a pay equity plan as required by the Quebec Pay Equity Act. Findings – Justice perceptions of employees are based on: uniformity of implementation, bias suppression with respect to the right to fair pay, reliability of information on job content, relevance of job evaluation criteria, qualifications and impartiality of the pay equity committee members and the quality of employees’ representation and process transparency. Research limitations/implications – This study was conducted at a single workplace and among relatively highly educated respondents. Replicating the study may allow to verify the transferability of the results by considering workers’ demographic characteristics and organizational culture. Practical implications – The study highlights the cornerstones that may guide the development of an assessment tool of the effectiveness of pay equity processes. These results will additionally help employers to circumvent difficulties which may otherwise thwart the implementation of pay equity plans. Originality/value – This study highlights how employees construct their perceptions of justice in a specific context. It sheds light on the salient features of the pay equity implementation, the sources of information involved and the justice rules used. This study also highlights the specific forms of the justice rules in this context.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».