MétaCan
Menu
Retour à la cohorte
Enregistrement W4381185604 · doi:10.1108/jeee-10-2022-0321

The moderating effect of gender on the relationship between apprenticeship and self-employment: evidence from a developing country

2023· article· en· W4381185604 sur OpenAlexaff
Ibrahim Mohammed, Wassiuw Abdul Rahaman, Alexander Bilson Darku, William Baah‐Boateng

Notice bibliographique

RevueJournal of Entrepreneurship in Emerging Economies · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésApprenticeshipSelf-employmentLogistic regressionPsychologySample (material)Educational attainmentLogitOriginalityProductivityDemographic economicsAssociation (psychology)Survey data collectionSocial psychologyEntrepreneurshipEconomicsEconomic growthMedicineCreativityGeography

Résumé

récupéré en direct d'OpenAlex

Purpose This study aims to examine the association between apprenticeship training and self-employment and how gender moderates the association. Design/methodology/approach Secondary data from the World Bank’s Skills Towards Employment and Productivity (STEP) survey on Ghana were analysed using a binary choice (logit regression) model. The STEP survey drew its nationally representative sample from the working-age population (15–64 years) in urban areas. Findings After controlling for several factors identified in the literature as determinants of self-employment, the results indicate that completing apprenticeship training increases the likelihood of being self-employed. However, women who have completed apprenticeship training are more likely to be self-employed than men. Originality/value By examining the moderating effect of gender on the association between apprenticeship training and self-employment, this study has offered new evidence that policymakers can use to promote self-employment, especially among women, to reduce the entrepreneurial gap between men and women.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,011
Score d'incertitude au seuil0,492

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,069
Tête enseignante GPT0,289
Écart entre enseignants0,220 · 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 tête enseignante, 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Entrepreneurship in Emerging EconomiesMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207