MétaCan
Menu
Retour à la cohorte
Enregistrement W2795528191 · doi:10.1108/gm-06-2017-0073

Pay equity and marginalized women

2018· article· en· W2795528191 sur OpenAlexaffabout
Roopkiran Kohout, Parbudyal Singh

Notice bibliographique

RevueGender in Management An International Journal · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésLegislationThematic analysisOriginalityEquity (law)Gender pay gapJurisdictionQualitative researchSociologyPublic relationsPay EquityValue (mathematics)Political scienceEconomicsSocial scienceLabour economicsLaw

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to examine the experiences of marginalized women in achieving equal pay for work of equal value. The research focuses on Ontario, Canada, as this is a leading jurisdiction globally in implementing legislation on pay equity. It provides an opportunity to understand the lived experiences of women whom scholars have identified as particularly vulnerable in workplaces. Design/methodology/approach This is a qualitative research study. Twenty-three interviews were conducted with women defined as marginalized. Thematic analysis was used to analyze the data. Findings Three themes resulted from the analysis: early employment experiences, cultural challenges at work and inequities in pay. The authors found that not only do structural and organizational barriers limit the ability of marginalized women to achieve parity in the workplace but there also is a hidden social element that requires further investigation. Originality/value The gender pay gap is wider for marginalized women, even after three decades since pay equity legislation was implemented in Ontario. There is a dearth of research on why this is the case. This study adds to the literature by focusing on a broader set of factors, in addition to legislation, that must be considered when focusing on solutions to the gender pay gap.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,339
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,180
Tête enseignante GPT0,393
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGender in Management An International JournalMême sujetGender Diversity and InequalityTravaux en français237 207