MétaCan
Menu
Retour à la cohorte
Enregistrement W2143811048 · doi:10.1111/roiw.12119

Gender Patterns and Value of Unpaid Care Work: Findings From<scp>C</scp>hina's First Large‐Scale Time Use Survey

2014· article· en· W2143811048 sur OpenAlexaff
Xiao‐yuan Dong, Xinli An

Notice bibliographique

RevueReview of Income and Wealth · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Labor, and Family Dynamics
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésUnpaid workEconomicsWork (physics)Value (mathematics)Labour economicsTime-use surveyPaid workWork hoursDemographic economicsCare workConsumption (sociology)Working hoursStatisticsSociologyMathematics

Résumé

récupéré en direct d'OpenAlex

Using data from the 2008 C hina Time Use Survey, this paper examines the gender patterns of time allocation over paid work, unpaid care work, and non‐work activity and estimates the monetary value of unpaid care work. A seemingly unrelated regression ( SUR ) technique is applied to explore the tradeoff between the three types of activity. The estimates show that, holding constant individual characteristics and regional effects, the total work time of women is higher than that of men by 7 hours per week in the rural sector and by 10.5 hours per week in the urban sector. The monetary value of unpaid care work is estimated by five methods. Depending on the method used, the value assigned to unpaid care work varies from 25 to 32 percent of C hina's GDP , from 52 to 66 percent of final consumption, and from 63 to 80 percent of the gross products of tertiary industry.

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)0,001
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 enseignants0,139
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,021
Tête enseignante GPT0,282
Écart entre enseignants0,262 · 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

Citations86
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Income and WealthMême sujetGender, Labor, and Family DynamicsTravaux en français237 207