Understanding the unpaid work roles amongst households, during COVID-19
Notice bibliographique
Résumé
Worldwide, the COVID-19 pandemic has had a rapid disruption on work, social activities and family life. Pre-pandemic norms suggested that women spend more time in unpaid work roles and with childcare, while men spend more time in paid work roles. This study aims to understand: 1) the distribution of unpaid work roles within households, and 2) if there are certain factors that explain the unpaid work roles within a household during the pandemic. This study used a cross-sectional survey of people across the globe, during the pandemic. The survey, administered through a virtual platform of Qualtrics, consisted of the following sections: (a) consent, (b) location and job description (c) marital status and household numbers (d) age, sex, and gender (e) unpaid work roles and family responsibilities. Descriptive statistics and percentages were reported for all the data regarding the study variables. A multivariable regression model was used to understand which factors may explain the changes in unpaid work roles recalling before and during the pandemic This survey was completed by 1847 participants. The mean age was 30 years old (standard deviation of 13.3). The majority of participants identified themselves as women (76.0%) and single (62.1%). The multivariable linear regression indicated that marital status (single, common-law, married, divorced), higher number of household members (1-8,12), older age, higher number of dependent children, and gender (female) were positive and significant predictors of baseline changes in unpaid work role scores, explaining 50% of the variance (R2 = 0.50). All households experienced a significant increase in the amount of unpaid work roles during the pandemic. However, older women who were in a relationship and experienced additional household members such as dependent children or sick older adults, were faced with more changes in unpaid work roles during COVID-19, than other individuals.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».