Notice bibliographique
Résumé
Abstract Given recent controversies about the existence of a gender wellbeing gap we revisit the issue estimating gender differences across 55 SWB metrics—37 positive affect and 18 negative affect—contained in 8 cross-country surveys from 167 countries across the world, two US surveys covering multiple years and a survey for Canada. We find women score more highly than men on all negative affect measures and lower than men on all but three positive affect metrics, confirming a gender wellbeing gap. The gap is apparent across countries and time and is robust to the inclusion of exogenous covariates (age, age squared, time and location fixed effects). It is also robust to conditioning on a wider set of potentially endogenous variables. However, when one examines the three ‘global’ wellbeing metrics—happiness, life satisfaction and Cantril’s Ladder—women are either similar to or ‘happier’ than men. This finding is insensitive to which controls are included and varies little over time. The difference does not seem to arise from measurement or seasonality as the variables are taken from the same surveys and frequently measured in the same way. The concern here though is that this is inconsistent with objective data where men have lower life expectancy and are more likely to die from suicide, drug overdoses and other diseases. This is the true paradox—morbidity doesn’t match mortality by gender. Women say they are less cheerful and calm, more depressed, and lonely, but happier and more satisfied with their lives, than men.
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| 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) | 0,012 | 0,001 |
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 ».