MétaCan
Menu
Retour à la cohorte
Enregistrement W4385275393 · doi:10.1080/00472778.2023.2235755

Gender differences in entrepreneurs’ work–family conflict and well-being during COVID-19: Moderating effects of gender-egalitarian contexts

2023· article· en· W4385275393 sur OpenAlexaff
Steven A. Brieger, Deema Sonbol, Dirk De Clercq

Notice bibliographique

RevueJournal of Small Business Management · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWork-Family Balance Challenges
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésEgalitarianismPsychologyWell-beingMental healthSocial psychologyWork–family conflictPandemicLeverage (statistics)Demographic economicsCoronavirus disease 2019 (COVID-19)Psychological well-beingSociologyWork (physics)Political scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Just as for most of the world, the COVID-19 pandemic had detrimental impacts on the well-being, mental health, and productivity of entrepreneurs. To delineate these effects, the current study draws from social role theory to predict that women entrepreneurs exhibit a diminished sense of well-being compared with their male counterparts, due to the greater work–family conflict women experienced during the pandemic. The authors leverage gender egalitarianism theory to argue further that in gender-egalitarian contexts, in which women are socioeconomically, institutionally, and culturally more equal to men, this gender gap in psychological well-being, caused by work– family conflict, may be mitigated. A sample of 5,754 entrepreneurs from 27 European countries who completed Eurofound’s Living, Working and COVID-19 e-Survey confirms these predictions, with notable implications for research and practice.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,094
Score d'incertitude au seuil0,856

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,051
Tête enseignante GPT0,290
Écart entre enseignants0,239 · 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

Citations27
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Small Business ManagementMême sujetWork-Family Balance ChallengesTravaux en français237 207