MétaCan
Menu
Retour à la cohorte
Enregistrement W2618156205

The Commute to Work and the Gender Wage Differential: International Analysis

2013· book-chapter· en· W2618156205 sur OpenAlexaboutno aff
Paul W. Miller

Notice bibliographique

RevueeSpace (Curtin University) · 2013
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDifferential (mechanical device)WageWork (physics)Labour economicsEconomicsEngineeringMechanical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper examines the effects of commute time and commute distance on wages in the United States and Canada, and the impact these have on the gender pay gap. Separate analyses are undertaken for native-born workers and for foreign-born workers. Analyses are presented for all workers, for young workers, and for workers categorized according to the distance or time that they travel to work. This latter set of analyses permits insights into the wage effects for workers who are trapped in local labor markets, as compared to the wage effects for workers who work in broader labor markets. Consistent with the earlier research, the paper shows that the commute to work is associated with modest wage increases in each country. Within each country there are minor variations in these wage increases by gender and nativity. Consideration of the wage effects of commute time and commute distance has little effect on the gender pay gap, which remains a sizeable feature of the pay outcomes in Canada and the United states. The changes in the labor market over the past 20 years, which include higher rates of female labor force participation, a decline in the extent of occupational segregation, a narrowing of the gender wage differential, and a major change (suburbanization) in the spatial organization of work have, therefore, had little effect on the role of the commute to work in the determination of earnings.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,497
Score d'incertitude au seuil0,988

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,010
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,184
Écart entre enseignants0,164 · 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'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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeSpace (Curtin University)Même sujetLabor market dynamics and wage inequalityTravaux en français237 207