The Gender Gap in the Care Economy is Larger in Highly Developed Countries: Socio-cultural Explanations for Paradoxical Findings
Notice bibliographique
Résumé
Despite the growing demand for care economy employees (e.g., nurses, teachers, and social workers), men remain underrepresented in these careers. While economically developed countries support more equal rights for women and men, their labor markets are highly gender segregated (Charles 1992, 2003). We conducted a focused investigation of this paradoxical pattern in the care economy, testing whether gender gaps in care economy career interest are larger in more economically developed countries, and if so, what psychological and cultural factors underlie these patterns. We examined these questions with labor data from 70 countries (Study 1) and a pre-registered study of career interests among 19,240 university students from 49 countries (Study 2). Although more economically developed countries tend to promote greater gender equality, our results reveal the gender gap in care economy representation (Study 1) and interest (Study 2) is especially large in such countries. We did not observe parallel patterns for STEM representation or interest. Results from Study 2 supported an integrated theoretical account of this development paradox in care economy interest: Cross-national variation in the gender gap in care economy interest was predicted by country-level variation in economic development and individualism/collectivism but not by self-expression values or country-level gender equality, countering prior (controversial) claims of a gender equality paradox. Furthermore, larger gender gaps in communal values (e.g., men’s lower valuing of helping and caring for others) were a proximal predictor of larger gender gaps in care economy interest in highly economically developed countries.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».