MétaCan
Menu
Retour à la cohorte
Enregistrement W2757798923 · doi:10.33679/rfn.v6i12.1532

Gender Differences in Wages and Human Capital: Case Study of Female and Male Urban Workers in Mexico from 1984 to 1992

2017· article· en· W2757798923 sur OpenAlexfundno aff
Diana Alarcón, Terry McKinley

Notice bibliographique

RevueFrontera norte · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEmployment, Labor, and Gender Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésWageHuman capitalHumanitiesEndowmentEconomicsDemographic economicsLabour economicsPolitical scienceArtEconomic growth

Résumé

récupéré en direct d'OpenAlex

Este trabajo investiga el diferencial de salarios entre trabajadores urbanos masculinos y femeninos en México de 1984 a 1992. Nuestro objetivo es determinar de qué manera el diferencial de salarios entre trabajadores femeninos y masculinos ha cambiado durante un periodo de ajuste estructural en México, y cómo este cambio se ha relacionado con las diferencias en la dotación de capital humano en cada grupo. Usando información de las encuestas de ingreso-gasto de 1984, 1989 y 1992, concluimos que las mujeres trabajadoras han sido poco beneficiadas por el ajuste estructural. En general, la desigualdad de salarios ha aumentado sustancialmente durante el periodo de ajuste y ha empeorado el salario relativo de las mujeres trabajadoras.ABSTRACTThis paper investigates the wage differential between female and male urban workers in Mexico from 1984 to 1992. Our objective is to determine how the wage differential between male and female workers has changed during the period of structural adjustment in Mexico and how this change has been related to differences in each groups' endowment of human capital. Using data from the income-expenditure surveys for 1994, 1989, and 1992, we conclude that women workers have benefited little from structural adjustment. In general, wage inequality has increased substantially during the period of adjustment and it has worsened the relative wages of female workers.

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 enseignants0,104
Score d'incertitude au seuil0,207

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,345
Écart entre enseignants0,267 · 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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontera norteMême sujetEmployment, Labor, and Gender StudiesTravaux en français237 207