Bettering and balancing : experiences of maternal self-employment in urban and rural Nova Scotia
Notice bibliographique
Résumé
Advancing the “push-pull debate” (Hughes, 2003), this research draws on Budig’s (2006) \ndisadvantaged worker and class-mobility hypotheses to identify the push and pull-factors that \ninform mothers’ decisions to self-employ in Nova Scotia. A review of literature examining \nmaternal self-employment revealed three key limitations: (1) a frequent reliance on quantitative, \nnational survey data, (2) a focus on macro-level geographic context, and (3) a lack of \ncomparative analysis of two or more geographic contexts. To address these gaps, this research \nemployed a qualitative approach to examining the influence of meso-level geographic context. \nThe following questions were addressed: (1) What push and pull-factors do mothers identify in \ntheir experiences with self-employment? (2) How does urban versus rural residence shape \nmothers’ experiences of self-employment in Nova Scotia? Qualitative data was collected through \nsix semi-structured interviews with urban and rural self-employed mothers and analyzed using \nthematic content analysis. While unique rural constraints and resources were discussed, the \nprimary push-and pull-factors into self-employment were identified by urban and rural \nparticipants, alike. Participants more strongly emphasized pull-factors toward self-employment, \nincluding the ability to reduce work-family conflict and increase control. Within self employment, identified constraints included a loss of income and increase in workload and \nresponsibilities, while resources included community support and social networks. Participants \nsuggested that mothers’ experiences in both wage-employment and self-employment could be \nimproved through the expansion of government programs and increased advocacy for scheduling \nflexibility and work-family balance in the workplace. Findings reveal that mothers navigate and \nweigh multiple push and pull-factors when deciding to self-employ, indicating that further \nqualitative research is needed to fully capture mothers’ unique experiences.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,020 | 0,006 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».