MétaCan
Menu
Retour à la cohorte
Enregistrement W2766753014 · doi:10.1080/13545701.2017.1383618

Gender Inequalities in Labor Market Outcomes of Informal Caregivers near Retirement Age in Urban China

2017· article· en· W2766753014 sur OpenAlexfundno aff
Yafeng Wang, Chuanchuan Zhang

Notice bibliographique

RevueFeminist Economics · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntergenerational Family Dynamics and Caregiving
Établissements canadiensnon disponible
Organismes subventionnairesCentral University of Finance and EconomicsNational Natural Science Foundation of ChinaInternational Development Research Centre
Mots-clésGrandchildEarningsInequalityDemographic economicsLongitudinal studyHealth and Retirement StudyChinaLongitudinal dataOrdinary least squaresGender inequalityLabour economicsEconomicsMedicineGerontologyPsychologyDemographyGrandparentPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

This study examines the impacts of unpaid family care on labor supply and earnings of women and men near retirement age in urban China. Using the 2011 China Health and Retirement Longitudinal Study (CHARLS) and ordinary least squares (OLS) and instrumental variable approaches, it finds that grandchild care is negatively associated with both women's and men's labor force participation, while there are no effects for eldercare. For women caregivers, caring for grandchildren substantially lowers paid labor hours compared to noncaregivers. No significant relationships are found between eldercare and paid labor hours of women workers. For men workers, neither grandchild care nor eldercare is significantly associated with labor hours. The study also finds no statistically significant relationships between grandchild care and labor earnings for either women or men. Eldercare, however, is positively associated with the earnings of men 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 enseignants0,037
Score d'incertitude au seuil0,073

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 technologies0,0010,000
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 Opus0,026
Tête enseignante GPT0,284
Écart entre enseignants0,258 · 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

Citations25
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFeminist EconomicsMême sujetIntergenerational Family Dynamics and CaregivingTravaux en français237 207