MétaCan
Menu
Retour à la cohorte
Enregistrement W7126021124 · doi:10.15353/rea.v17i4.6596

An Empirical Study on Restrictive Laws and Regulations Affecting Women’s Economic Participation

2025· article· en· W7126021124 sur OpenAlexvenueno aff
Baneng Naape

Notice bibliographique

RevueReview of Economic Analysis · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Labor, and Family Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmpirical researchMainstreamPovertySustainable developmentPoliticsEconomic stabilityDistribution (mathematics)

Résumé

récupéré en direct d'OpenAlex

The global emphasis on women's economic participation has grown significantly due to its vital role in promoting macroeconomic stability and advancing financial inclusion. Involving women in economic activities is essential for achieving Sustainable Development Goals, such as poverty alleviation and closing gender gaps. However, a range of regulatory, cultural, and structural barriers continue to hinder women’s ability to participate in the mainstream economy. This study aims to examine the impact of restrictive laws and regulations on women’s economic participation within the BRICS bloc. Women’s economic participation has been examined through three key dimensions: paid employment, political representation, and entrepreneurship. The findings suggest that the removal of restrictive laws and regulations is associated with increased levels of women's economic participation. It is important to acknowledge that while BRICS countries have made significant strides in dismantling legal barriers affecting women, substantial obstacles remain from both legal and regulatory perspectives that hinder women’s engagement in economic activities. Therefore, the study recommends that BRICS nations prioritize the complete removal of restrictive laws and regulations impacting various aspects of women's lives, including mobility, pay, marriage, and entrepreneurship.. Furthermore, ensuring a gender-equitable distribution of resources should be a central focus in policymaking to ensure that no one is left behind in the development agenda, particularly women and children.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,386

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,037
Tête enseignante GPT0,399
Écart entre enseignants0,362 · 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'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economic AnalysisMême sujetGender, Labor, and Family DynamicsTravaux en français237 207