MétaCan
Menu
Retour à la cohorte
Enregistrement W4410896542 · doi:10.31234/osf.io/4m65p_v1

The presence of the opposite sex itself creates a division of labor

2024· preprint· en· W4410896542 sur OpenAlexaboutno aff
Ryushin Iha

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueEmployment, Labor, and Gender Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDivision of labourDivision (mathematics)Labour economicsEconomicsMathematicsArithmeticMarket economy

Résumé

récupéré en direct d'OpenAlex

ObjectiveIn a previous study (Iha, 2023), men voluntarily tended to choose a higher-cost option compared to women when a division of labor occurred between the opposite sexes. However, it is still unknown whether this pattern can be replicated using continuous measures when costs are not included in the choice. Therefore, the current study aimed to replicate and extend the previous study. MethodsParticipants from 4 countries (Canada, Germany, the United Kingdom and the United States of America) engaged in an online scenario experiment. ANCOVA and internal meta-analyses were used to examine whether the percentage of workload that participants voluntarily selected differed depending on the participant's own sex, and the combination of the participant's own sex and the sex of the participant's hypothetical partner.ResultsOverall, men tended to voluntarily choose more workload than women, and men paired with a hypothetical opposite sex partner voluntarily chose more workload than women paired with a hypothetical opposite sex partner. These effects were consistent across different countries.ConclusionAs a conclusion, the current study successfully replicated and expanded the previous study. In detail, it was shown that the presence of the opposite sex itself creates a division of labor, even if the participant's choice does not include the cost. Furthermore, SODOL (Spontaneous Occurrence of Division of Labor) was found to be robust regardless of the measurement method.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,309
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,002
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 Opus0,034
Tête enseignante GPT0,341
Écart entre enseignants0,307 · 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'étudeThéorique ou conceptuel
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEmployment, Labor, and Gender StudiesTravaux en français237 207