Women, Substantive Equality, and Fiscal Policy: Gender-Based Analysis of Taxes, Benefits, and Budgets
Bibliographic record
Abstract
L'une des caractéristiques socio-juridiques les plus marquées chez les femmes demeure leur inégalité économique par rapport aux hommes, et ce, durant toute leur vie. En dépit de décennies de pressions sociales pour obtenir l'équité dans l'imposition, dans les programmes d'avantages sociaux étatiques et les allocations budgétaires gouvernementales, les politiques fiscales continuent de faire très peu de choses en vue de promouvoir l'égalité des femmes et dans certains pays, elles empêchent l'atteinte de l'objectif visé. Le présent article démontre que, même dans des pays comme le Canada, qui est perçu comme étant un chef de file mondial en matière d'égalité des genres, les inégalités fiscales peuvent rapidement réduire à néant les acquis des femmes, à moins que des mécanismes institutionnels clairs n'assurent que tous les programmes et toutes les pratiques soient continuellement contrôlés pour mesurer leur impact sur les femmes en particulier. Le présent article expose les grandes lignes de l'intégration à tous les stades de l'analyse fondée sur les rapports de sexe et de l'établissement de budgets en fonction des sexes—mesures nécessaires suivant la ratification par le Canada en 1982 de la Convention sur l'élimination de toutes les formes de discrimination à l'égard des femmes et de la mise en oeuvre de la Déclaration et du Programme d'Action de Beijing dans les politiques fédérales en 1995—et démontre comment ces analyses offrent une «large troisième voie vers l'égalité» et peuvent servir à identifier et à éliminer la discrimination à l'égard des femmes, y compris dans les domaines critiques de l'imposition, des dépenses et des budgets gouvernementaux.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".