Taux de feminite des professions et salaires : pourquoi le Canada differe-t-il des Etats-Unis?
Bibliographic record
Abstract
La correlation entre le taux de feminite des professions et les salaires constitue le fondement de la legislation en matiere d'equite salariale et de valeur comparable. Diverses etudes anterieures ont analyse cette correlation a partir de donnees americaines et ont cerne certains des facteurs determinants des niveaux de salaire peu eleves dans les de meme que d'importantes limites des politiques publiques dans ce domaine. Toutefois, il existe peu de donnees visant d'autres secteurs de competence. Cette lacune est particulierement perturbante dans le cas du Canada, qui s'est dote de l'une des legislations les plus elaborees en matiere d'equite salariale au monde. Dans le present article, nous dressons un portrait complet, de la fin des annees 1980, de la segregation professionnelle fondee sur le sexe au Canada et de ses repercussions sur les salaires. Nous etablissons egalement des comparaisons explicites entre nos resultats et des donnees americaines. Ces resultats indiquent un lien entre la remuneration des femmes et le taux de feminite des professions beaucoup plus fort aux Etats-Unis qu'au Canada, ou cette relation est generalement peu marquee et non significative sur le plan statistique. La position relativement meilleure dont jouissent les femmes dans les emplois a predominance feminine au Canada est associee a des taux de syndicalisation plus eleves et aux effets fixes des salaires des secteurs des .
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.010 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".