The unintended consequences of maternity leaves: How agency interventions mitigate the negative effects of longer legislated maternity leaves.
Notice bibliographique
Résumé
To support women in the workplace, longer legislated maternity leaves have been encouraged in Scandinavian countries and recently in Canada. Yet, past research shows that longer legislated maternity leaves (i.e., 1 year and longer) may unintentionally harm women's career progress. To address this issue, we first sought to identify one potential mechanism underlying negative effects of longer legislated maternity leaves: others' lower perceptions of women's agency. Second, we utilize this knowledge to test interventions that boost others' perceptions of women's agency and thus mitigate negative effects of longer legislated maternity leaves. We test our hypotheses in three studies in the context of Canadian maternity leave policies. Specifically, in Study 1, we found that others' lower perceptions of women's agency mediated the negative effects of a longer legislated maternity leave, that is, 1 year (vs. shorter, i.e., 1 month maternity leave) on job commitment. In Study 2, we found that providing information about a woman's agency mitigates the unintended negative effects of a longer legislated maternity leave on job commitment and hireability. In Study 3, we showed that use of a corporate program that enables women to stay in touch with the workplace while on maternity leave (compared to conditions in which no such program was offered; a program was offered but not used by the applicant; and the program was offered, but there was no information about its usage by the applicant) enhances agency perceptions and perceptions of job commitment and hireability. Implications for theory and practice are discussed. (PsycINFO Database Record (c) 2018 APA, all rights reserved).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».