MétaCan
Menu
Retour à la cohorte
Enregistrement W2973653083 · doi:10.5539/res.v11n4p1

Leaving and Losing a Job After Childbearing in Italy: A Comparison Between 2005 and 2012

2019· article· en· W2973653083 sur OpenAlexvenueno aff
Marina Zannella, Antonella Guarneri, Cinzia Castagnaro

Notice bibliographique

RevueReview of European Studies · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicrodata (statistics)PsychologyAffect (linguistics)Demographic economicsWork (physics)Social psychologyDemographyEconomicsSociologyPopulationCensus

Résumé

récupéré en direct d'OpenAlex

This article builds on microdata from the Birth Sample Survey (BSS) carried out by Istat in 2005 and 2012 in order to analyse changes in the occupational status of mothers of young children. We aim in particular to broaden the understanding of the individual and contextual characteristics that can affect the probability of women who were employed during pregnancy of not returning to work in the two years following the child’s birth. The study contributes to existing literature on mothers’ employment in two main ways. First, we take into consideration the different nature - voluntary or involuntary – of the motivations for not returning to work. Second, we attempt to evaluate whether the likelihood of Italian mothers to leave or lose their jobs and the factors affecting these probabilities changed between 2005 and 2012. Our results confirm human capital investments and job characteristics to be among the main determinants of women’s employment continuity after childbearing. The probability of losing a job increased significantly for mothers in 2012 compared to 2005, probably as a result of the deterioration of labour market conditions during the recession years. Conversely, the probability of leaving a job was not statistically significantly related to the year; family characteristics - the presence of a couple and features of the partner’s job - were key factors in women’s deciding not to return to work after childbearing.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,258
Score d'incertitude au seuil0,489

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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,096
Tête enseignante GPT0,438
Écart entre enseignants0,341 · 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.

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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of European StudiesMême sujetEmployment and Welfare StudiesTravaux en français237 207