Gender Differences in an Austrian IT Manufacturing Plant
Notice bibliographique
Résumé
Despite the gains women have made in the last three decades, a large body of research has recently emerged suggesting that major economic changes occurring on a global scale are having detrimental consequences for women’s labor-market position. At best, these developments are judged to likely limit further progress toward gender equality (Human Resources Development Canada [HRDC], 2002). While in industrialized countries the manufacturing and primary industries have declined, the service sector, where women have traditionally been concentrated, has grown quite substantially. The service sector is highly heterogeneous, encompassing both well-paid professional and technical occupations as well as low-skill, poorly paid occupations. A stratum of highly skilled, high-status workers has emerged, coupled with a large mass of technically semiskilled or unskilled workers who acquire their training on the job or in short courses lasting a few weeks (Standing, 1989). Wage polarization has accompanied the growing demand for highly skilled workers and declining demand for unskilled labor. Increasingly, the workforce is segmented into a primary labor market offering good wages, job security, and opportunities for advancement, and a secondary labor market of low-paid, contingent workers (Economic Council of Canada [ECC], 1991). Women, and especially visible minority women, remain overrepresented in the latter. Much of the literature on gender differences in the IT workforce has focused on the high-end IT jobs. Relatively little is known about low-end IT jobs and the role of gender. The IT industry is mainly a service-oriented industry. However, many of the tools used in these services have to be manufactured by IT manufacturers. In this study, we examine gender differences in the working conditions (job and organizational characteristics, and quality of working life [QWL]) of employees in a chip-manufacturing plant.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».