MétaCan
Menu
Retour à la cohorte
Enregistrement W4412838916 · doi:10.1080/1369183x.2025.2534165

Is ‘Mumpreneurship’ a White phenomenon? Self-employment among native and immigrant women in the U.S.

2025· article· en· W4412838916 sur OpenAlexaff
Sandra Florian, Cécile Fonrouge

Notice bibliographique

RevueJournal of Ethnic and Migration Studies · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésPhenomenonImmigrationWhite (mutation)Demographic economicsGender studiesPolitical scienceSociologyGeographyDemographyEconomicsLawBiology

Résumé

récupéré en direct d'OpenAlex

In the context of persistent work and family conflict, self-employment is perceived as a solution for mothers to reconcile employment and childcare duties. The ‘mumpreneurship’ thesis states that the recent upsurge in female self-employment has been driven by mothers searching for the independence and flexibility that wage labour lacks to balance work and family demands. Although mumpreneurship has been portrayed as a growing popular phenomenon, most of the evidence is based on small qualitative studies and data for White women. This study examines the extent to which the concept of mumpreneurship can be applied to ethno-racial minorities and immigrant women using recent data from the U.S. Current Population Survey (2015-2020). We found that having children is associated with lower wage-employment and self-employment for all women, with the exception of native Black women. We find strong evidence for mumpreneurship among native-born White mothers, for whom self-employment is a preferred alternative over wage-employment. For all other racial minorities and immigrant mothers, children are not associated with women’s probability of self-employment. The findings suggest that mumpreneurship, as a strategy for combining work and family responsibilities, has been overstated, applying mainly to White women, but not to racial minority and immigrant women.

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)0,002
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,339
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,046
Tête enseignante GPT0,350
Écart entre enseignants0,304 · 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'étudeQualitatif
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 revueJournal of Ethnic and Migration StudiesMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207