Porque no quiero o porque no puedo: ¿Cuánto no sabemos del trabajo femenino en Chile?
Bibliographic record
Abstract
Esta nota aporta evidencia descriptiva sobre las desigualdades de género en el mercado laboral chileno en términos de participación, ingresos y segregación ocupacional. Además, describe la evolución de estas desigualdades en las últimas dos décadas y características asociadas a ellas. Encontramos que, a pesar de ser todavía alta en relación con otros países, la brecha de participación entre hombres y mujeres se fue cerrando en Chile en los últimos años, en especial entre mujeres casadas o en unión informal. En términos de ingresos, la brecha no explicada por características individuales y del empleo es elevada: los resultados del ejercicio de descomposición indican que, en promedio, la brecha que no se explica por esas variables equivale a un salario horario de las mujeres de apenas un 78% en relación al de los hombres. Finalmente, en términos de segregación ocupacional encontramos que, si bien los niveles son altos, presenta una tendencia a la reducción, en particular entre los individuos con mayor educación. El artículo refuerza que, a pesar de estos hallazgos, existen características particularmente relevantes asociadas a la participación y los ingresos que no han podido ser exploradas por limitaciones en los datos. Más aún, la ausencia de datos adicionales plantea consecuencias importantes sobre la posibilidad de diseñar e implementar políticas públicas mejor fundamentadas.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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".