MétaCan
Menu
Retour à la cohorte
Enregistrement W2444597018 · doi:10.1017/s1743923x15000574

Women on Corporate Boards: A Comparison of Parliamentary Discourse in the United Kingdom and France

2016· article· en· W2444597018 sur OpenAlexaffabout
Andrea Chandler

Notice bibliographique

RevuePolitics & Gender · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPoliticsLegislationLegislaturePolitical scienceKingdomDirectiveGender balanceCommissionCorporate lawEuropean commissionCorporate governancePolitical economyPublic administrationAccountingLawBusinessEuropean unionSociologyGender studiesInternational trade

Résumé

récupéré en direct d'OpenAlex

In 2013 the European Commission presented a draft directive calling for member states to increase the presence of women on corporate boards. Some countries, such as France, have taken a quota approach by passing legislation requiring corporations to increase the numbers of women on their boards over time, while the governments of other states, such as the United Kingdom, have preferred measures to encourage corporations to have more inclusive boards. While there is a growing literature on the impact that an increased presence of women can have on corporate boards, as well as a solid feminist literature on the role of quotas in political structures, there has been relatively little attention to the specific ways in which political actors have viewed the question of women on corporate boards. This article compares the ways in which quotas for women in corporate boards have been examined by the legislatures of the United Kingdom and France, with attention also to parliamentary debates in Canada and Russia. It is hypothesized that variations in political discourse help explain why conservative governments adopted such different approaches toward gender balance on corporate boards.

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)0,011
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,247
Score d'incertitude au seuil0,492

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,029
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0070,006
Études des sciences et des technologies0,0150,011
Communication savante0,0140,004
Science ouverte0,0010,006
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,287
Tête enseignante GPT0,375
Écart entre enseignants0,089 · 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'étudeQualitatif
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

Citations37
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolitics & GenderMême sujetGender Diversity and InequalityTravaux en français237 207