MétaCan
Menu
Retour à la cohorte
Enregistrement W4210480497 · doi:10.5465/amj.2020.1564

Prosocial Occupations, Work Autonomy, and the Origins of the Social Class Pay Gap

2022· article· en· W4210480497 sur OpenAlexaff
Ray Fang, András Tilcsik

Notice bibliographique

RevueAcademy of Management Journal · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntergenerational and Educational Inequality Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProsocial behaviorPrestigeSocial classSocial psychologyAutonomyOccupational prestigePsychologyWorking classLife chancesSocial mobilityClass (philosophy)SociologyPolitical scienceSocioeconomic statusPoliticsSocial science

Résumé

récupéré en direct d'OpenAlex

Despite decades of research on social mobility and wage disparities, it remains a puzzle why people from lower-class families earn less than people from upper-class families even when similar in education and occupational prestige. Taking a sociocultural perspective on social class, we argue that a key contributor to the class pay gap is that people from upper-class origins tend to work in occupations with greater autonomy, whereas their lower-class counterparts tend to work in occupations that are more prosocial. We further propose that autonomous occupations pay better than prosocial occupations. Across two distinct nationally representative samples in the United States, we find that people with upper-class (vs. lower-class) parents are more likely to work in autonomous occupations, but less likely to work in prosocial occupations, even when controlling for education, occupational prestige, and other potential confounds. This pattern of occupational sorting explains a substantial portion of the class pay gap. Our study extends the literatures on social class, occupational segregation, and social mobility, and joins an important scholarly conversation that has, until recently, taken place outside the field of management.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,070
Tête enseignante GPT0,370
Écart entre enseignants0,300 · 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

Citations38
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management JournalMême sujetIntergenerational and Educational Inequality StudiesTravaux en français237 207