MétaCan
Menu
Retour à la cohorte
Enregistrement W3175416013 · doi:10.1111/tesg.12488

Gender, Space, and Precarious Employment in Canada

2021· article· en· W3175416013 sur OpenAlexaffabout
Waad Ali, K. Bruce Newbold

Notice bibliographique

RevueTijdschrift voor Economische en Sociale Geografie · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCensusMetropolitan areaGeographyDemographic economicsAmerican Community SurveySurvey data collectionEconomic geographySociologyEconomicsDemographyPopulation

Résumé

récupéré en direct d'OpenAlex

Abstract This study aims to examine how gendered precariousness is spatially patterned across Canada's landscape using Statistics Canada's Labour Force Survey. We compare gender differences in distinct precarious forms of employment (PFEs) across a range of geographies, including national, provincial, census metropolitan areas, and urban/rural areas. We find that distinct spatial patterns and degree of gendered precariousness were evident within and across geographic spaces. Logit models further confirmed the robustness of gender differences in PFEs across space, revealing that PFEs were associated with gender, immigration status, age, type of economic family, education, income, and occupation. This study has implications for further understanding the causal factors at play in producing these uneven economic geographies. In terms of policy recommendations, this study calls for greater gender equity in social safety net policies, especially in the wake of the labor market shocks brought by the COVID‐19 pandemic.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,771
Score d'incertitude au seuil0,962

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,253
Écart entre enseignants0,233 · 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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTijdschrift voor Economische en Sociale GeografieMême sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207