Gender differences in routine housework among one-person households: A cross-national analysis
Notice bibliographique
Résumé
BACKGROUND: Housework has long been associated with gender roles, with women traditionally burdened as the primary caregivers in many societies. However, most studies focus on the general population or on couples. This study explores the often overlooked domain of housework in one-person households, where the negotiation of tasks and roles is absent and individuals are solely responsible for their domestic chores. OBJECTIVE: Drawing from data collected across 19 countries, the research examines the time allocated to housework by men and women, shedding light on gender disparities in one-person living situations. METHODS: Data come from time-use surveys available in several harmonized databases. The analysis focuses on routine housework tasks, encompassing cleaning, food preparation, cooking, and laundry, which tend to show pronounced gender differences. The study is based on descriptive estimates by country and type of living arrangement, and multivariate regression to predicted gender gaps in routine housework in one-person households by country. RESULTS: Results indicate the existence of gender disparities in routine housework among individuals living in one-person households. Despite variations across countries, the United States and Canada display a lower gender gap, while Italy and Serbia maintain higher inequality. Greece, South Africa, and South Korea show moderate gender differences, similar to Nordic countries, which are usually considered the most egalitarian. CONCLUSIONS: The persistence of gender disparities in routine housework remains evident in one-person households, although it is less pronounced than in other living arrangements. CONTRIBUTION: The study underscores the enduring gender gap in housework, highlighting distinct standards and cross-national variations among one-person households.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,002 | 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 ».