MétaCan
Menu
Retour à la cohorte
Enregistrement W7135727393

Divorces and women's income: initial findings for the Czech Republic based on individual data

2016· report· cs· W7135727393 sur OpenAlexaboutno aff
Petr Janský

Notice bibliographique

RevueDigital Repository (National Repository of Grey Literature) · 2016
Typereport
Languecs
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReceiptCzechQuarter (Canadian coin)DaughterPensionHousehold incomeDivision of labour
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In most cases, divorce leads to a radical change in life situation with many consequences for both divorcees. Nowadays nearly half of all marriages in the Czech Republic end in divorce and so this has been and will continue to be part of life for a significant proportion of the country's population. The consequences of divorce are highly influenced by the division of labour within the couple prior to their separation. There is a high level of division in most Czech families. Women spend much more time caring for children, relatives and the home, while men are largely focused on paid employment. We estimate that married women aged 20 to 70 who are neither studying nor in receipt of an old-age pension would see their net incomes fall by 20 % if they ceased to share income within their household (e.g. as a result of divorce and separation). Households led by divorced women report some of the lowest incomes per household member. The average income in a female-led divorced household is one fifth lower than in married households and a quarter lower than in households led by divorced men. Divorced women are, however, more economically active than married women; this is probably a reaction to their loss of income following divorce. Nevertheless this difference could also suggest that women who are economically active are less attractive as partners (Bertrand, 2016).

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)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,531
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,003
Communication savante0,0100,006
Science ouverte0,0050,002
Intégrité de la recherche0,0020,002
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 GPT0,302
Écart entre enseignants0,265 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Repository (National Repository of Grey Literature)Travaux en français237 207