“Bringing Canadian Women on Board”: A Behavioural Economics Perspective on Whether Public Reporting of Gender Diversity Will Alter the Male-Dominated Composition of Canadian Public Company Boards and Senior Management
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the majority of jurisdictions with developed public markets, the debate on the gender diversity of boards and senior management, practically speaking, has moved from “why” to “how” in recent years. It is now arguably far more accepted that increasing the percentage of women on corporate boards is good for society and good for business. The new debate surrounds the mechanisms needed to increase the number of qualified women on boards and in senior management positions. Several jurisdictions around the world have tackled the issue by implementing fixed quotas. Other jurisdictions have followed a softer touch approach by requiring listed companies to comply with gender diversity targets or explain their failure to do so. Largely supported by industry, the Ontario Securities Commission adopted a disclosure model in 2014, which was subsequently followed by eight other Canadian jurisdictions. This model requires TSX-listed and other non-venture issuers to comply with disclosure requirements for a range of gender diversity initiatives in their annual public corporate governance disclosure or explain why they do not comply. This article considers the gender bias and implicit prejudice that the new disclosure regime attempts to remedy and the effectiveness of such a disclosure regime in the context of behavioural economics heuristics and theories, focusing specifically on the “debiasing through law” versus “debiasing law” methodology presented by Christina Jolls and Cass R. Sunstein. Based on this analysis, suggestions are made to increase the effectiveness of the new disclosure regime, including whether the quota debate should be re-opened if meaningful quantitative evidence of increased gender diversity is not demonstrated by 2018.
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.
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 | 0,004 | 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 | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle