Mind the Gap: Sexual Orientation Wage Gaps for Non-White and Immigrant Minorities in the United States
Notice bibliographique
Résumé
A growing body of literature has found that sexual orientation and gender impact labor market outcomes, including earnings. This literature generally finds that gay and bisexual men earn less than heterosexual men. Despite being the highest earners among women, lesbians earn less than heterosexual men, and bisexual women earn the least. Far less research has explored intersectional disadvantages/advantages of being a lesbian, gay, or bisexual (LGB) individual and belonging to other minority groups. Using data from the 2013 to 2018 US National Health Interview Survey, this paper explores whether being an LGB racial minority or LGB immigrant results in cumulative earning disadvantages/advantages. This study finds that regardless of race or immigrant status, gay men's earnings did not statistically differ from white/US-born heterosexual men's earnings. For white and US-born women, their earnings followed the same pattern, with lesbians earning the most, followed by heterosexual women, then bisexuals; however, for nonwhite women, bisexuals earned the most and lesbians earned the least. The results for immigrant sexual minorities were not statistically significant. These findings suggest that disadvantage/advantage is multilayered-sexual minorities who occupy multiple minority positions may experience different levels of disadvantage/advantage.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».