MétaCan
Menu
Retour à la cohorte
Enregistrement W2321510021 · doi:10.1017/s1743923x14000622

Introduction: Quotas and Non-Quota Strategies in East Asia

2015· article· en· W2321510021 sur OpenAlexaff
Netina Tan

Notice bibliographique

RevuePolitics & Gender · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Politics and Representation
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésLegislaturePolitical sciencePoliticsConvergence (economics)Norm (philosophy)Representation (politics)EthosEast AsiaDevelopment economicsEconomic growthPolitical economyChinaEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

In convergence with the global norm toward more proportional representative electoral systems, many countries in East Asia have adopted quota strategies to address women's political underrepresentation (Franceschet, Krook, and Piscopo 2012; Krook 2009). Taiwan, South Korea, Singapore, and Japan provide ideal case studies to investigate the impact of these efforts. While these countries share similar economic development, educational levels, and Confucian communitarian ethos, their experiences and progress on empowering women vary. For example, the level of women's legislative representation in the region ranges from a low of 8.1% in Japan to a high of 33.6% in Taiwan. And while Taiwan and South Korea embarked on constitutional reforms in the 1990s and introduced candidate quotas or reserved seats to guarantee women's legislative representation at all levels, Singapore and Japan have resisted legislating quotas but instead set 30% women parliamentarians as targets of party strategies. This collection of papers explores this intraregional variation with a comparative view on the origins and impact of quotas on women's political life. Specifically, we trace the origins of quota adoption and how they interact with the existing electoral and party institutions to improve women's legislative numbers.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,004
Communication savante0,0030,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,077
Tête enseignante GPT0,352
Écart entre enseignants0,275 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolitics & GenderMême sujetGender Politics and RepresentationTravaux en français237 207