Perceived Occupational Gender Composition: A Census and Exploration
Notice bibliographique
Résumé
Abstract Purpose Answering two questions: What do people believe is the gender makeup of different occupations? If there is a systematic difference between the actual and perceived gender composition what factors predict or mediate this difference? Methodology/Approach We integrate three occupation-level datasets: ratings of perceived gender composition and cultural sentiments (EPA ratings) for every 2010 Census occupation collected for this study, occupational characteristics from O*NET, and demographic characteristics from the 2015 to 2019 Current Population Survey. Regression models examine the association between sentiments and objective occupational traits on the perceived gender composition net of the actual gender composition. Findings While respondents underestimate extreme values, perceptions largely reflect actual composition. Gendered sentiments had a significant independent effect on gender composition perceptions. Examining the relationship between objective occupational features, sentiments, and perceptions allows scholars to better understand the links between structural conditions, gendered beliefs, and social action. If individuals underestimate the extent of gender segregation and view some occupations as more diverse than they are, they may be more willing to consider occupations inconsistent with their gender identity. On the other hand, if they misperceive gender composition because of cultural sentiments, they may choose an occupational course somewhat different from their intentions. Originality/Value of the Chapter Research on gender composition typically employs either a macro approach based on governmental statistics or a micro approach that examines a limited number of occupations. This is the first study to conduct a complete census of every Census occupation for perceived gender composition and cultural sentiments.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».