Reject and Resubmit: A Formal Analysis of Gender Differences in Reapplication and Their Contribution to Women’s Presence in Talent Pipelines
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
A common explanation for women’s underrepresentation in many economic contexts is that women exit talent pipelines at higher rates than men. Recent empirical findings reveal that, in male-dominated selection contexts, women are less likely than men to reapply after being rejected for an opportunity. We examine the conditions under which this gender difference contributes to women’s underrepresentation in talent pipelines over time. We formally model and analyze the population dynamics of a generic selection context, which we then ground using three distinct empirical settings. We show that gender differences in reapplication are an important mechanism of gender segregation in some selection contexts but negligible in others. The extent to which gender differences in reapplication contribute to women’s underrepresentation is driven in part by the rejection rate. Higher rejection rates increase the stock of rejected applicants, which in turn enables gender differences in reapplication to disproportionally reduce women’s representation. The results demonstrate that interactions between individuals’ choices on the supply side and screeners’ behavior on the demand side may have consequences for gender inequality, even if we were able to fully eliminate demand-side biases. We discuss the theoretical and policy implications of our research for understanding women’s underrepresentation in talent pipelines. We also interrogate the effectiveness of common interventions focused on encouraging women to apply for opportunities in male-dominated domains. Supplemental Material: The online appendix is available at https://doi.org/10.1287/orsc.2022.1635 .
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 | 0,001 | 0,007 |
| 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