Women’s employment trajectories in a low-income setting: Stratification and change in Nepal
Notice bibliographique
Résumé
BACKGROUNDAcross the globe, employment for pay outside the home plays a key role in the lives of women, and increasing the proportion of women involved in high-quality jobs is a critical component of reaching several sustainable development goals.While existing research from high-income societies demonstrates that women's employment is not constant over the life course, relatively less is known about women's employment trajectories in lowincome countries. OBJECTIVEWe examine employment trajectories among women in rural Nepal, accounting for job type, employment intensity, and earnings. METHODSUsing eight years of quarterly employment data from the 2016 Female Labor Force Participation and Child Outcomes Study component of the Chitwan Valley Family Study, we identify typologies of employment trajectories by conducting sequence and cluster analyses. RESULTSFirst, half of the women in our sample were never employed in the study period.Second, among women who were ever employed, there were considerable transitions into and out of the workforce.Third, women's employment trajectories are largely determined by job type (wage labor, salaried jobs, and self-employment), with little movement across job types.Additionally, self-employed women and those with salaried jobs had higher earnings and higher employment intensity than women with wage labor jobs. CONCLUSIONSWe see intense stratification into job types, including no employment at all, and substantial transitions into and out of the workforce among workers.Women experience many employment disruptions over the life course, with little sign of upward employment mobility. CONTRIBUTIONThis study provides new empirical portraits of women's employment in low-income settings by investigating the multiple dimensions of women's employment from a life course perspective.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 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 ».