MétaCan
Menu
Retour à la cohorte
Enregistrement W2911708914 · doi:10.1017/s1743923x18000892

The Gender Gap in Political Discussion Group Attendance

2019· article· en· W2911708914 sur OpenAlexaffabout
Edana Beauvais

Notice bibliographique

RevuePolitics & Gender · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Politics and Representation
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPoliticsEthnic groupVotingPolitical scienceAttendancePovertyDemocracyGender studiesGender gapFace (sociological concept)Survey data collectionSocial psychologySociologyPsychologyDemographic economicsLawSocial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Although women and men enjoy formally equal political rights in today's democracies, there are ongoing gaps in the extent to which they make use of these rights, with women underrepresented in many political practices. The gender gap in democratic participation is problematic because gendered asymmetries in participation entail collective outcomes that are less attentive to women's needs, interests, and preferences. Existing studies consider gender gaps in voting behavior and in certain forms of nonelectoral politics such as boycotting, signings a petition, or joining a protest. However, almost no work considers gendered variation in discursive politics. Do women participate in small, face-to-face political discussion groups at the same rate as men? And does gender intersect with other identities—such as ethnicity—to impact attendance at political discussion groups? I use data from the Canadian Election Study 2015 Web Survey to answer these questions. I find that women are significantly less likely to attend small-group discussions than men and that ethnicity intersects with gender in some important ways. However, I find no evidence that other social attributes—poverty or the presence of young children in the home—suppress women's participation in political discussion groups more than men's.

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)0,008
score de la tête « metaresearch » (Gemma)0,041
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 enseignants0,025
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,002

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,363
Écart entre enseignants0,298 · 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

Citations34
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolitics & GenderMême sujetGender Politics and RepresentationTravaux en français237 207