Financement public des associations sanitaires et sociales françaises et écart salarial femmes-hommes
Bibliographic record
Abstract
La disparité des écarts de salaires entre les hommes et les femmes parmi les organisations sans but lucratif (OSBL) a rarement été étudiée. Dans cet article, nous considérons cette question en prenant pour objet d’enquête les associations françaises qui représentent la très grande majorité des OSBL dans ce pays, et plus précisément celles qui interviennent dans le domaine sanitaire et social. Nous partons de l’hypothèse qu’il existe une corrélation négative entre l’écart salarial femmes-hommes dans ces organisations et la part des financements publics dans leurs ressources monétaires. Deux arguments sont avancés pour fonder cette hypothèse : a) les pouvoirs publics peuvent conditionner leurs financements, notamment via les marchés publics, à la réduction des écarts salariaux entre les deux sexes au sein des organisations destinataires des concours publics ; b) les OSBL fortement dépendantes de ces concours sont susceptibles, par un processus d’hybridation, d’adopter des politiques salariales moins défavorables aux femmes comme tel est le cas dans le secteur public. Pour l’investigation empirique, nous apparions les données issues de deux sources : l’enquête de l’INSEE « Situation des associations en 2018 » et un fichier administratif de tous les salariés du pays (BTS) concernant la même année. Les résultats obtenus montrent effectivement l’existence d’une corrélation négative entre les écarts salariaux femmes-hommes et la part du financement public dans les ressources des OSBL. Cette situation s’explique par des salaires masculins plus faibles et non par des salaires féminins plus élevés. Il se pourrait qu’une telle situation résulte d’une volonté de réduire l’écart salarial entre les deux sexes tout en maintenant une forte vigilance des associations quant à la maîtrise de leurs coûts salariaux dans un contexte de fortes contraintes financières.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 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".