How do Older Adults Spend Their Time? Gender Gaps and Educational Gradients in Time Use in East Asian and Western Countries
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.
Notice bibliographique
Résumé
Abstract This study is the first to document how older adults in East Asian and Western societies spend their time, across four key dimensions of daily life, by respondent’s gender and education level. To do this, we undertook a pioneering effort and harmonized cross-sectional time-use data from East Asian countries (China, Japan, South Korea, Taiwan) with data from the Multinational Time Use Study (Canada, Denmark, Finland, France, Italy, The Netherlands, Norway, Spain, United Kingdom, United States; to which we refer as Western countries), collected between 2000 and 2015. Findings from bivariate and multivariate models suggest that daily time budgets of East Asian older adults are different from their counterparts in most Western countries. Specifically, gender gaps in domestic work, leisure, and sleep time were larger in East Asian contexts, than in Western countries. Gender gaps in paid work were larger in China compared to all other regions. Higher levels of educational attainment were associated with less paid work, more leisure, and less sleep time in East Asian countries, while in Western countries they were associated with more paid work, less domestic work, and less sleep. Interestingly, Italy and Spain, two Southern European welfare regimes, shared more similarities with East Asian countries than with other Western countries. We interpret and discuss the implications of these findings for population aging research, and welfare policies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle