Can't see the Forest for the Trees? Exploring Top Executive Gender Diversity among S&P 500 firms
Notice bibliographique
Résumé
Academics have extensively studied women on boards. The number of women among the five named (i.e. best paid) executive officers in the US has also been somewhat explored. However, it appears as if researchers have not paid much attention so far to the topic of 'Executive Gender Diversity': the percentage of women among the full group of top executive as reported to the regulator (i.e.. the SEC in the US). We manually collect this data initially for 2018 S&P 500 firms and compare it to the percentage of women on boards are reported on Bloomberg. We find that firms report, on average, just over 10 executives to the SEC, which shows that studying only the five best paid executives displays less than half of the pictures. Comparing board and top executives, we observe more than 2/3 of firms to have less women among top executives than on the board. Sadly, more than one in six firms does not report any females executives at all to the SEC. The 'Household Durables' and 'Life Sciences' sectors are doing particularly badly from an executive gender diversity perspective, as their median firm has zero female top execs. More generally, less than 1 in 4 firms has more than a quarter of female executives (i.e. more than 75% of the firms have 25% or less female top execs). On a positive note, there are a few firms such as Tiffany & Co. which have more than 40% female top execs but these represent less than 5% of all S&P 500 firms. Our results suggest that executive gender diversity is professionally not as well developed as board gender diversity. For all of us academics studying gender diversity, our results imply that we may want to consider having previously rather often overlooked the forest for the trees. Consequently, we conclude that the topic of executive gender diversity (beyond just the five best paid officers) deserves significantly more attention from academics and research funding bodies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».