Notice bibliographique
Résumé
We address the issues of unequal restroom access for women and LGBTQ+ individuals, known as the potty parity problem. We propose a utility model in which users consider gender identity, wait time, and safety concerns when choosing restrooms. We evaluate different layouts’ efficiency measured by the total utilities (as in the utilitarian principle) and assess their fairness using the measures of the minimum utility gain (as in the Rawlsian fairness) and the gap between maximum and minimum gains (as in the distributive fairness). When the population is sensitive to gender identity and safety concerns, although it may initially seem intuitive to assume that converting all restrooms to unisex facilities would be efficient and fair due to the pooling of servers and increased flexibility and perceived fairness due to all users standing in the same line, our findings demonstrate that this design can be neither efficient nor fair. In contrast, we show that converting some men’s restrooms to unisex can enhance both efficiency and fairness of access. This highlights that a moderate level of flexibility can outperform a fully flexible system. Moreover, conventional wisdom suggests that removing a restroom unit from the men’s room would negatively impact users from the men’s side. However, our analysis reveals a counterintuitive insight that such a change can lead to a Pareto improvement, benefiting all users involved. We also analytically explore additional benefits of unisex restrooms under different user behaviors and situations and present practically relevant numerical results to support our findings. This paper was accepted by Elena Katok, operations management. Funding: This work was supported by the Natural Sciences and Engineering Research Council of Canada [Grant RGPIN-2021-04295]. Supplemental Material: The online appendices and data files are available at https://doi.org/10.1287/mnsc.2021.04075 .
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,003 |
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 ».