A study of linkages among leadership gender diversity, pay equity practices and financial performance
Notice bibliographique
Résumé
Purpose Pay equity practices may help address the gender pay gap and resulting inequalities, which have organizational, economic, and social implications. Little is known about the determinants and benefits of pay equity practices. The knowledge created through this research can help drive and justify the offering of pay equity practices. Using an institutional theory lens, we propose: a positive relationship between leadership gender diversity and financial performance, a positive relationship between leadership gender diversity and pay equity practices, a positive relationship between pay equity practices and financial performance, and a mediating role of pay equity practices between leadership gender diversity and financial performance. Design/methodology/approach Based on a time-lagged design, archival data from multiple sources were collected from up to 4,943 organizations in Australia. Findings The analyses supported all hypotheses. The findings support and extend institutional theory, addressing important knowledge gaps pertaining to determinants and outcomes of pay equity practices and the mediating role of pay equity practices. Practical implications Practical implications include the need for management of leadership gender diversity to drive pay equity practices and financial performance. Originality/value Using novel theorizing, we provide new evidence for relationships between leadership gender diversity and pay equity practices, pay equity practices and operating revenue, and a mediating role of pay equity practices. These findings set a new solution-focused direction for pay equity research, as past research focused on pay gaps and perceived pay inequity.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,014 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,034 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».