Before the House Committee on Education and Labor
Notice bibliographique
Résumé
Thank you Chairman Miller and Members of the Committee for providing me with the opportunity to speak to you today. My name is Heather Boushey and I am a senior economist at the Center for Economic and Policy Research, a non-partisan think tank in Washington, DC. My area of expertise is the U.S. labor market, with an emphasis on the interconnections between labor, social policy, and work/life balance. The way to strengthen the middle class is to ensure equal pay for women. Most women are in the labor force, including over 70 percent of all mothers. Yet, women continue to earn less than men even if they have similar educational levels and work in similar kinds of jobs. The typical full-time, full-year working woman earns only 77 percent of what her male counterparts make. About 40 percent of this gap in pay cannot be explained by women’s choices. The gender pay gap is not just a women’s issue. This is a pressing issue for middle class families. The typical wife brings home about a third of her families total income. Over the past few decades, families who had a working wife were more likely to be upwardly mobile. Since the late 1970s, the additional earnings of wives has made the difference between falling and
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 | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,012 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,115 | 0,085 |
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 ».