Childcare and Children’s Development: Features of Effective Programs
Notice bibliographique
Résumé
Abstract An increasing number of countries have introduced pay transparency policies with the aim of reducing gender inequality in the labor market. Firms subject to transparency requirements must disclose publicly or to employees’ representatives information on their employees’ pay broken down by gender, or indicators of gender gaps in pay and career outcomes. The argument at the base of these policies is that gender inequality may in part persist because it is hidden. On the one hand, employers rarely keep track of employees’ pay and career progression by gender, and, on the other hand, employees rarely engage in conversations with their colleagues about pay. The lack of information on within-firm disparities by gender may therefore hamper progress toward a more egalitarian labor market. Transparency policies have the potential to improve women’s relative pay and career outcomes for two reasons. First, by increasing the salience of gender gaps in the labor market, they can alter the relative bargaining power of male and female employees vis-à-vis the firm and lead lower-paid individuals to demand higher pay from their employer. Second, together with pressures from employees, the public availability of information on firms’ gender-equality performance may also increase public pressure for firms’ action in this domain. A clear message emerges from the literature analyzing the impact of pay transparency policies on gender inequality: these policies are effective at pushing firms to reduce their gender pay gaps, although this is achieved via a slowdown of men’s wage growth. Related results point to a reduction in labor productivity following the introduction of transparency mandates but no detrimental effect on firms’ profits because this effect is compensated by the reduction in labor costs. Overall, the findings in this literature suggest that transparency policies can reduce the gender pay gap with limited costs for firms but may not be suited to achieve the objective of improving outcomes for lower-paid employees.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 source (Gemma direct ou Codex distillé), 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 ».