MétaCan
Menu
Retour à la cohorte
Enregistrement W7098619901

SCÉES Who gets Market Supplements? Gender Differences within a Large Canadian University

2016· article· en· W7098619901 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Image and Video Retrieval Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSeniorityLogistic regressionPaymentOrder (exchange)Gender pay gapRank (graph theory)Ordered logitCollective bargaining
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study examines the gender pay gap among university faculty by analyzing gender differences in one component of faculty members’ salaries – “market premiums. ” The data were collected during the Fall of 2002 using a survey of faculty at a single Canadian research uni-versity. Correspondence analysis and logistic regression analysis were performed in order to identify the characteristics related to the award of market premiums and whether these characteristics account for gender differences. The correspondence analysis produces a two-factor solution in which the second axis clearly opposes faculty who receive market premiums to those who do not. Gender is strongly related to this factor, with the female category on the side of the axis associated with the absence of market premiums. The results of the logistic regres-sion confi rm that fi eld of specialization, frequency of external research contracts, faculty members ’ values and attitudes towards remunera-tion and seniority within rank are all related to the award of market premiums, as hypothesized. However, women were still almost three times less likely than men to have been awarded market premiums af-ter controlling for these relationships. Overall, the results suggest that within a collective bargaining context, reindividualization of the pay determination process — notably, the payment of market premiums to faculty — may reopen pay differences by gender.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,922
Score d'incertitude au seuil0,979

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,243
Écart entre enseignants0,223 · 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 tête enseignante, 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
GenreMéthodes

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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Image and Video Retrieval TechniquesTravaux en français237 207