MétaCan
Menu
Retour à la cohorte
Enregistrement W4394755442 · doi:10.1177/23210222241237030

The Complexity of Female Empowerment in India

2024· article· en· W4394755442 sur OpenAlexaff
Siwan Anderson

Notice bibliographique

RevueStudies in Microeconomics · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Labor, and Family Dynamics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEmpowermentAgency (philosophy)Salience (neuroscience)Women's empowermentContext (archaeology)Political sciencePoliticsEconomic growthDevelopment economicsSociologyPsychologyEconomicsGeographyLawSocial science

Résumé

récupéré en direct d'OpenAlex

On a global scale, India ranks very poorly in terms of gender equality. This overall indicator masks important heterogeneities across the separate measures of female empowerment. India scores very highly with regards to equality of civil liberties and the political participation of women. But the country falls well below the global average with respect to equal access to economic resources and protection from gender-based violence. These poorer empowerment indicators have persisted not only in the wake of strong economic progress, but also in the context of an impressive set of government led reforms and policies targeting women. These different initiatives have successfully augmented women’s agency in both the private and public spheres of life, but women and girls still face extreme discrimination and violence. The salience of restrictive local customs appears to be a core hindrance towards transformative change. This paper reviews the economics literature which examines this complexity across the different dimensions of female empowerment in India. It highlights the newly emerging research focused on ameliorating gender biased norms and discusses potential steps forward. JEL Classifications: J12, J16

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,013
Communication savante0,0060,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,068
Tête enseignante GPT0,354
Écart entre enseignants0,286 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations19
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in MicroeconomicsMême sujetGender, Labor, and Family DynamicsTravaux en français237 207