MétaCan
Menu
Retour à la cohorte
Enregistrement W3121553083 · doi:10.1198/jbes.2009.08124

Glass Ceilings or Glass Doors? Wage Disparity Within and Between Firms

2009· article· en· W3121553083 sur OpenAlexafffund
Krishna Pendakur, Simon D. Woodcock

Notice bibliographique

RevueJournal of Business and Economic Statistics · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensSimon Fraser University
Organismes subventionnairesHEC Montréal
Mots-clésDoorsWageImmigrationDemographic economicsLabour economicsGlass ceilingQuantile regressionEconomicsRelocationEthnic groupSortingEconometricsPolitical scienceEconomic growthLawEngineering

Résumé

récupéré en direct d'OpenAlex

We investigate whether immigrant and minority workers’ poor access to high-wage jobs—that is, glass ceilings—is attributable to poor access to jobs in high-wage firms, a phenomenon we call glass doors. Our analysis uses linked employer–employee data to measure mean and quantile-wage differentials of immigrants and ethnic minorities, both within and across firms. We find that glass ceilings exist for some immigrant groups, and that they are driven in large measure by glass doors. For some immigrant groups, the sorting of these workers across firms accounts for as much as half of the economy-wide wage disparity they face. This article has the supplement materials online.

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: Empirique
Score de désaccord entre enseignants0,214
Score d'incertitude au seuil0,754

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 ouverte0,0000,000
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 Opus0,028
Tête enseignante GPT0,245
Écart entre enseignants0,217 · 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

Citations73
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Business and Economic StatisticsMême sujetLabor market dynamics and wage inequalityTravaux en français237 207