MétaCan
Menu
Retour à la cohorte
Enregistrement W2963626903 · doi:10.17140/sbrpoj-4-116

Gender Pay Gap: A Cross-Sectional Study of the Effect of Workplace Entitlement on Pay Differences

2019· article· en· W2963626903 sur OpenAlexaff
Ayisha Ayisha, Julie Aitken Schermer

Notice bibliographique

RevueSocial Behavior Research and Practice - Open Journal · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésEntitlement (fair division)Gender pay gapCross-sectional studyDemographic economicsPsychologyBusinessLabour economicsMedicineEconomicsWageMicroeconomics

Résumé

récupéré en direct d'OpenAlex

AimPast empirical studies investigating the possible causes of the gender pay gap have focused on cognitive trait differences between males and females.While several researchers have concluded that personality (or non-cognitive) traits play a role in the pay gap, no definitive lists of personality variables have been discovered to explain the gender pay differentials.We explored whether self-entitlement may result in sex differences in expected salaries. MethodsWe surveyed 413 undergraduate students from an introductory university course studying management to investigate the possible relationship between employee entitlement and expected pay.The survey included two parts of questions asking about participants' employee entitlement and expected pay for different occupations, which reflected potential careers from the management program. ResultsWhile the results showed some sex differences, there were only a few significant relationships between employee entitlement and expected pay. ConclusionAlthough entitlement correlated positively with some of the expected starting salaries, the results do not definitely explain the sex differences in pay as men and women scored higher on certain facets of entitlement.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,209
Tête enseignante GPT0,452
Écart entre enseignants0,243 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Behavior Research and Practice - Open JournalMême sujetLabor market dynamics and wage inequalityTravaux en français237 207