MétaCan
Menu
Retour à la cohorte
Enregistrement W4415263965 · doi:10.3390/economies13100298

Female Wage Employment and Fertility in Kenya

2025· article· en· W4415263965 sur OpenAlexfundno aff
Germano Mwabu, Radu Ban, Joy M. Kiiru, Regina Mwatha, T. Paul Schultz

Notice bibliographique

RevueEconomies · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDemographic Trends and Gender Preferences
Établissements canadiensnon disponible
Organismes subventionnairesBrock UniversityBill and Melinda Gates Foundation
Mots-clésFertilityWageContext (archaeology)Socioeconomic statusMale femalePoint (geometry)Total fertility rateHourly wage

Résumé

récupéré en direct d'OpenAlex

The paper examines the association between fertility and female wage employment in Kenya using nationally representative cross-sectional data collected by the Kenya’s National Bureau of Statistics, a government-owned statistical organization. Two findings emerge from our analysis. The first finding is that female wage employment is negatively correlated with the number of births. Incompatibility of childrearing with wage employment is one of the main explanations for this evidence. The other finding is a much larger magnitude of the negative association between wage employment and male births relative to female newborns, but the difference in the estimated gender-specific coefficients is statistically insignificant. However, there is need for further significance tests on the difference between the gendered coefficients because the larger drop in the number of male births relative to female, as female wage employment expands, has strong support in the biomedical literature. The relevance of the second finding in the context of the biomedical literature on the link between a child’s gender at birth and the environment in which the mother works and lives provides a justification for further research on this issue. The tentative findings of the paper point to labor market policies that could be explored in Kenya and elsewhere in Africa to address the problem of excess fertility, and thus enhance women’s health, agency, and socioeconomic empowerment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,029
Tête enseignante GPT0,310
Écart entre enseignants0,281 · 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 source (Gemma direct ou Codex distillé), 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 revueEconomiesMême sujetDemographic Trends and Gender PreferencesTravaux en français237 207