MétaCan
Menu
Retour à la cohorte
Enregistrement W4410884704 · doi:10.1257/pandp.20251023

Does Gender Tagging Public Works Increase Women's Participation? Experimental Evidence from Haiti, Kenya, and Rwanda

2025· article· en· W4410884704 sur OpenAlexaff
Tanay Balantrapu, Christian Paúl, Lelys Dinarte-Diaz, Felipe Alexander Dunsch, Jonas Heirman, Dahyeon Jeong, Erin Kelley, Florence Kondylis, Gregory Lane, John D. Loeser

Notice bibliographique

RevueAEA Papers and Proceedings · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésGender studiesPolitical scienceSocioeconomicsEconomic growthSociologyEconomics

Résumé

récupéré en direct d'OpenAlex

Public works programs often fail to induce participation by women in dual-headed households, with implications for closing gender gaps in autonomy. We randomize “gender tagging,” labeling as “for women” in cash-for-work programs targeting poor households in Haiti, Kenya, and Rwanda. Gender tagging increases women's participation by 11 to 27 percentage points (29-192 percent) in contexts where women have low labor market attachment. We apply recent econometric methods to test heterogeneity across households to show that gender tagging generates catch-up: The women least likely to participate under the status quo program experience the largest increase in participation from gender tagging.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,294
Score d'incertitude au seuil0,809

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,291
Écart entre enseignants0,273 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAEA Papers and ProceedingsMême sujetPoverty, Education, and Child WelfareTravaux en français237 207