MétaCan
Menu
Retour à la cohorte
Enregistrement W3115730110 · doi:10.1017/s1743923x20000653

The Politics of Part-Time Work: Gender, Employment Status, and Preferences for Redistribution

2020· article· en· W3115730110 sur OpenAlexaff
David S. Pedulla, Michael Donnelly

Notice bibliographique

RevuePolitics & Gender · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Policy and Reform Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRedistribution (election)Argument (complex analysis)Welfare stateDemographic economicsScholarshipPoliticsWorkforceRedistribution of income and wealthWelfareWork (physics)Labour economicsPanel dataSocial psychologyEconomicsPolitical sciencePsychologyEconomic growthLaw

Résumé

récupéré en direct d'OpenAlex

Abstract The social and economic forces that shape attitudes toward the welfare state are of central concern to social scientists. Scholarship in this area has paid limited attention to how working part-time, the employment status of nearly 20% of the U.S. workforce, affects redistribution preferences. In this article, we theoretically develop and empirically test an argument about the ways that part-time work, and its relationship to gender, shape redistribution preferences. We articulate two gender-differentiated pathways—one material and one about threats to social status—through which part-time work and gender may jointly shape individuals’ preferences for redistribution. We test our argument using cross-sectional and panel data from the General Social Survey in the United States. We find that the positive relationship between part-time employment, compared to full-time employment, and redistribution preferences is stronger for men than for women. Indeed, we do not detect a relationship between part-time work and redistribution preferences among women. Our results provide support for a gendered relationship between part-time employment and redistribution preferences and demonstrate that both material and status-based mechanisms shape this association.

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 enseignants0,007
Score d'incertitude au seuil0,024

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,133
Tête enseignante GPT0,361
Écart entre enseignants0,227 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolitics & GenderMême sujetSocial Policy and Reform StudiesTravaux en français237 207