MétaCan
Menu
Retour à la cohorte
Enregistrement W4402287717 · doi:10.55016/ojs/sppp.v10i1.43199

Social Policy Trends- Labour Force Participation Rate of Women with Young Children

2017· article· en· W4402287717 sur OpenAlexaffabout
Margarita Wilkins, Ronald D. Kneebone

Notice bibliographique

RevueThe School of Public Policy Publications · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSpouseWorkforceWork (physics)Demographic economicsDemographyWork forcePaid workPolitical scienceLabour economicsEconomicsSociologyEconomic growthWorking hoursEngineering

Résumé

récupéré en direct d'OpenAlex

LABOUR FORCE PARTICIPATION RATE OF WOMEN WITH YOUNG CHILDREN In Alberta, the percentage of women with young children and an employed spouse, who are active in the workforce has remained unchanged since the early 1990s. The labour force participation rate is a measure of the percentage of a well-defined group of individuals that is an active participant in the labour force. That is to say, they are either employed or actively seeking employment. The graph shows the labour force participation rate, in Alberta, Quebec, and Ontario, of women with an employed spouse and at least one child under the age of 6 years. Data is shown for each year since 1976. In Quebec in 1976, only 30% of women with an employed spouse and a young child were actively engaged in the work force. The percentage was higher in Alberta (37%) and Ontario (40%), but still well-below what we observe today. Between 1976 and the mid- 1990s, the participation rates were increasing by similar amounts in all three provinces. Since that time, the participation rate of women with at least one young child has continued to increase in Quebec and, to a lesser extent Ontario, but it had stagnated in Alberta.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil0,134

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
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,166
Tête enseignante GPT0,452
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'étudeSans objet
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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe School of Public Policy PublicationsMême sujetRetirement, Disability, and EmploymentTravaux en français237 207