MétaCan
Menu
Retour à la cohorte
Enregistrement W3102828640 · doi:10.1177/0003122420971805

Hiring and Intra-occupational Gender Segregation in Software Engineering

2020· article· en· W3102828640 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAmerican Sociological Review · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSubspecialtyQuality assuranceOccupational segregationSoftware quality analystSoftwareCompetence (human resources)Software quality assuranceQuality (philosophy)Software developmentPsychologySoftware qualityComputer scienceBusinessPolitical scienceMarketingSocial psychology

Résumé

récupéré en direct d'OpenAlex

Women tend to be segregated into different subspecialties than men within male-dominated occupations, but the mechanisms contributing to such intra-occupational gender segregation remain obscure. In this study, I use data from an online recruiting platform and a survey to examine the hiring mechanisms leading to gender segregation within software engineering and development. I find that women are much more prevalent among workers hired in software quality assurance than in other software subspecialties. Importantly, jobs in software quality assurance are lower-paying and perceived as lower status than jobs in other software subspecialties. In examining the origins of this pattern, I find that it stems largely from women being more likely than men to apply for jobs in software quality assurance. Further, such gender differences in job applications are attenuated among candidates with stronger educational credentials, consistent with the idea that relevant accomplishments help mitigate gender differences in self-assessments of competence and belonging in these fields. Demand-side selection processes further contribute to gender segregation, as employers penalize candidates with quality assurance backgrounds, a subspecialty where women are overrepresented, when they apply for jobs in other, higher-status software subspecialties.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,894
Score d'incertitude au seuil0,214

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,059
Tête enseignante GPT0,316
Écart entre enseignants0,257 · 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