MétaCan
Menu
Retour à la cohorte
Enregistrement W2963086030 · doi:10.1177/0020715219849463

Part-time employment as a way to increase women’s employment: (Where) does it work?

2019· article· en· W2963086030 sur OpenAlexvenueno aff
Paolo Barbieri, Giorgio Cutuli, Raffaele Guetto, Stefani Scherer

Notice bibliographique

RevueInternational Journal of Comparative Sociology · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Work (physics)Labour economicsEconomicsPart-time employmentWorking timeDemographic economicsTime allocationGeography

Résumé

récupéré en direct d'OpenAlex

Part-time employment has repeatedly been proposed as a solution for integrating women into the labor market; however, empirical evidence supporting a causal link is mixed. In this text, we investigate the extent to which increasing part-time employment is a valid means of augmenting women’s labor market participation. We pay particular attention to the institutional context and the related characteristics of part-time employment in European countries to test the conditions under which this solution is a viable option. The results reveal that part-time employment may strengthen female employment in Continental Europe and especially in Southern Europe, where an increase in part-time employment—even if it is demand-side driven—leads to greater employment participation among women. We also discuss some policy implications and trade-offs: Although part-time work can lead to higher numbers of employed women, it does so at the cost of increasing gendered labor market segregation. We analyze data from the European Labor Force Survey (EU-LFS) 1992–2011 for 19 countries and 188 regions and exploit regional variation over time while controlling for time-constant regional characteristics, time-varying regional labor market features, and (time-varying) confounding factors at the national level.

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)0,001
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,541
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,005

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 Opus0,053
Tête enseignante GPT0,428
Écart entre enseignants0,375 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations55
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Comparative SociologyMême sujetEmployment and Welfare StudiesTravaux en français237 207