MétaCan
Menu
← Retour à la cohorte
Enregistrement W6991056033

Exploring Factors Perpetuating the Underrepresentation of Women CAOs in Local Government

2023· article· en· W6991056033 sur OpenAlexaboutno aff

Notice bibliographique

RevueScholarship@Western (Western University) · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLocal governmentQualitative researchGovernment (linguistics)ScholarshipPublic sectorOfficerInequalityQualitative property
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Despite women's progress in various professional domains, a persistent gender disparity remains evident in local government's most senior non-elected leadership roles. The underrepresentation of women in municipal city management continues, even though women comprise 47.4% of the Canadian labour force (Catalyst, 2020). This research paper aims to understand the underrepresentation of women in municipal Chief Administrative Officer (CAO) roles by examining theoretical perspectives and drawing from recent qualitative research into the gender imbalance in public sector leadership by DeHart-Davis et al. (2020). This research paper aims to shed light on the need for substantive change by unravelling the complexities surrounding the pervasive underrepresentation of women in municipal CAO roles. Secondary data collected on 110 municipalities in Ontario’s Greater Golden Horseshoe region is analyzed and compared with other research findings to assess the gender balance among CAOs.The research findings contribute significantly to the scholarship on gender equality in Canadian local government leadership. This research paper offers insight for students, practitioners, and municipal leaders seeking to understand and promote equality in senior administrative positions. This research aims to contribute to existing research on systemic inequality in local government and understand the importance of a more inclusive and diverse leadership landscape.

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)0,006
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,560
Score d'incertitude au seuil0,885

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0090,007
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
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 Opus0,535
Tête enseignante GPT0,380
Écart entre enseignants0,156 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarship@Western (Western University)→Même sujetGender Diversity and Inequality→Travaux en français237 207→