Does Employer Prosociality Reduce or Augment Wage Inequality?
Notice bibliographique
Résumé
A growing body of research demonstrates that some workers are willing to accept lower wages from employers that engage in prosocial activity. This symposium brings together a range of scholars who are examining how variation across workers in this propensity to trade wages for prosociality may exacerbate or ameliorate wage inequality. On one hand, some work suggests that higher-earning workers (including those that are more educated and more productive) are more willing to give up wages for prosociality. From this perspective, employers will more successfully substitute prosociality for wages when recruiting relatively higher-earning workers and thus reduce income inequality. On the other hand, other work suggests that groups that already tend to earn less (including women and workers from lower social classes) may be more inclined to trade prosociality for wages. From this contrasting perspective, employers will more successfully trade prosociality for wages when recruiting relatively lower-earning workers and thus augment wage inequality. A fundamental question underpinning these emergent perspectives is whether and to what extent employers recognize and respond to variation in preferences for prosociality in terms of the wages they offer. This symposium will provide a venue for scholars at the forefront of these questions to share their research with the AOM community, benefit from audience and discussant comments, and chart avenues for future research. Prosocial Claims and the College Wage Gap Author: Nathan Wilmers; Massachusetts Institute of Technology Gender Differences in Preferences for Meaning at Work Author: Vanessa Burbano; Columbia Business School Values and Inequality Revisited: How Prosocial Claims Augment the Gender Wage Gap Author: Mariana Oseguera; U. of Toronto, Rotman School of Management Prosocial Occupations, Work Autonomy, and the Origins of the Social Class Pay Gap Author: Ray Fang; Boise State U.
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 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».