The Impact of Gender Factors on Economic Development: A Global Comparative Analysis
Notice bibliographique
Résumé
The purpose of this study is to determine trends and the current state of the gender issue, as well as the impact of different gender factors, taking into account the period of COVID-19, on the level of Ukrainian GDP compared with the countries of the world in modern conditions and to propose appropriate recommendations for the activation and stimulation of women’s participation in business. The authors emphasize that women are disproportionately affected by various social crises: climate change, wars, conflicts and human rights violations etc. The authors analyze the Ukrainian Gender Inequality Index in and make a conclusion that it more than halved during the last decades. The reason for this, especially in recent years, was the COVID-19 pandemic and the subsequent full-scale Russian invasion of Ukraine that had a very negative impact on business. The authors note that Ukraine is situated in 35th place in the European ranking of countries concerning the value of the Gender Inequality Index. A large number of women are generally not involved in the labor market or other economic activities. At the same time, a continuing consequence of the Russian full-scale invasion of Ukraine was a noticeable lack of qualified personnel on the labor market. This is due to the involvement of exclusively men in certain sectors of the economy and their mobilization. The results of the regression analysis indicate that economic participation has the greatest impact on GDP among all the components of the Global Gender Gap Index in the USA, Canada and Poland. Educational attainment is situated on the second place. As for Ukraine, the authors show that as the level of participation of women in the labor force increases, Ukrainian GDP also increases. Taking into account the results of the calculations, the authors conclude that gender factors have a direct impact on the country's economy Keywords: gender factors, sustainable development, gender equality, Gender Inequality Index, Global Gender Gap Index, GDP, Ukraine, Poland, The USA, Canada.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,000 | 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) | 0,003 | 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 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 ».