MétaCan
Menu
Retour à la cohorte
Enregistrement W4415999781 · doi:10.5465/amproc.2025.22587abstract

Nothing to Lose or Much to Lose? The Gendered Employment Consequences of Leaving Engineering Majors

2025· article· en· W4415999781 sur OpenAlexaff
Brian Rubineau, Erin A. Cech, Susan S. Silbey, Carroll Seron

Notice bibliographique

RevueAcademy of Management Proceedings · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCareer Development and Diversity
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésWageNothingInequalityPersistence (discontinuity)Engineering educationWage inequality

Résumé

récupéré en direct d'OpenAlex

Are there gender differences in the employment consequences of leaving the engineering major? Given the intense interest shown by scholars and policy makers alike in promoting women’s persistence in engineering careers, it is surprising that we could find no prior studies that answer this question. Rather, the employment consequences of leaving engineering have largely been assumed. Using wage decomposition, this paper tests for gender differences in the post-graduation wages of engineering major stayers versus leavers. We do so for three distinct longitudinal datasets. Our results are significant, consistent, and challenge prior assumptions. The unexplained portion of the stayer-leaver wage gap for male engineers across all three datasets is large, significant, and substantive – from 22% to 35% of male engineers’ mean initial annual salary. Men experience a large wage penalty for beginning but not completing an engineering degree. The unexplained portion of the stayer-lever wage gap for female engineers is small, mostly insignificant, and far less substantial – from 0% to 5% of female engineers’ mean initial annual salary. Women experience little to no wage penalty for beginning but not completing an engineering degree. These results have direct implications for the policy goals of using women’s participation and persistence in engineering to address gender wage inequality and provides novel insights regarding the mechanisms and nature of gender inequalities in engineering. Surprisingly, it is men who have much to lose by leaving engineering. The women who start engineering majors have little to lose by leaving.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,041
Tête enseignante GPT0,307
Écart entre enseignants0,267 · 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'étudeSans objet
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 revueAcademy of Management ProceedingsMême sujetCareer Development and DiversityTravaux en français237 207