Determinantes de la participación económica de la mujer en México: un enfoque de calificación laboral
Notice bibliographique
Résumé
El presente documento tiene como objetivo indagar en los factores que inciden en la participación laboral reciente de la mujer en México y medir qué grupo de habilidad contribuye en mayor medida a la desigualdad. Como primera estrategia metodológica se analizan variables premercado y, a través de un modelo econométrico de elección discreta, se estima la probabilidad de participación femenina en el mercado laboral. En la segunda parte del análisis se realiza una descomposición del índice de Gini con un enfoque de juegos cooperativos, en el que se clasifica al grupo de mujeres trabajadoras por tipo de calificación (alta, media y baja). Para tal efecto, se utiliza información de la Encuesta Nacional de Ocupación y Empleo (ENOE) de los años 2019 y 2021. Los resultados muestran que la jefatura del hogar y la escolaridad son dos de los factores más importantes que determinan la participación laboral femenina y que el grupo que aporta en mayor medida a la desigualdad es el de calificación media. La principal limitación del documento es que el análisis se realiza únicamente para dos años. Por su parte la originalidad de la investigación se atribuye al análisis de variables premercado. Se concluye que es indispensable que la política pública se oriente hacia una mayor incorporación de la población femenina a la fuerza productiva, así como a la escolarización de nivel superior, sin el descuido de actividades familiares para quienes así lo requieran.
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 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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».