論文の概要: The Femininomenon of Inequality: A Data-Driven Analysis and Cluster Profiling in Indonesia

• arxiv url: http://arxiv.org/abs/2412.00012v1
• Date: Wed, 13 Nov 2024 23:45:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-08 09:45:41.242612
• Title: The Femininomenon of Inequality: A Data-Driven Analysis and Cluster Profiling in Indonesia
• Title（参考訳）: 不平等のフェミニノメノン: インドネシアにおけるデータ駆動分析とクラスタプロファイリング
• Authors: J. S. Muthmaina,
• Abstract要約: ジェンダーエンパワーメント指数(IDG)とジェンダー不平等指数(IKG)によるジェンダーエンパワーメントと不平等の地域差について検討する。 インドネシアの経済成長と男女平等の漸進的な成長にもかかわらず、地域差はかなり残っている。 この分析は、地域社会経済的条件とガバナンスの枠組みが、地域性動態を形成する上で重要な役割を担っていることを明らかにしている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study addresses the persistent challenges of Workplace Gender Equality (WGE) in Indonesia, examining regional disparities in gender empowerment and inequality through the Gender Empowerment Index (IDG) and Gender Inequality Index (IKG). Despite Indonesia's economic growth and incremental progress in gender equality, as indicated by improvements in the IDG and IKG scores from 2018 to 2023, substantial regional differences remain. Utilizing k-means clustering, the study identifies two distinct clusters of regions with contrasting gender profiles. Cluster 0 includes regions like DKI Jakarta and Central Java, characterized by higher gender empowerment and lower inequality, while Cluster 1 comprises areas such as Papua and North Maluku, where gender disparities are more pronounced. The analysis reveals that local socio-economic conditions and governance frameworks play a critical role in shaping regional gender dynamics. Correlation analyses further demonstrate that higher empowerment is generally associated with lower inequality and greater female representation in professional roles. These findings underscore the importance of targeted, region-specific interventions to promote WGE, addressing both structural and cultural barriers. The insights provided by this study aim to guide policymakers in developing tailored strategies to foster gender equality and enhance women's participation in the workforce across Indonesia's diverse regions.
• Abstract（参考訳）: 本研究は、インドネシアにおける職場性平等(WGE)の持続的課題に対処し、ジェンダーエンパワーメント指数(IDG)とジェンダー不平等指数(IKG)を通して男女エンパワーメントと不平等の地域格差を調べた。 インドネシアの経済成長と男女平等の漸進的な進歩にもかかわらず、2018年から2023年にかけてのIDGとIKGのスコアの改善によって示されるように、地域差はかなり残っている。 k平均クラスタリングを用いて、この研究は2つの異なる領域のクラスタを性別プロファイルと対比して識別する。 Cluster 0には、DKI JakartaやCentral Javaといった、ジェンダーのエンパワーメントの向上と不平等の低下を特徴とするリージョンが含まれている。 この分析は、地域社会経済的条件とガバナンスの枠組みが、地域性動態を形成する上で重要な役割を担っていることを明らかにしている。 相関分析により、高いエンパワーメントは一般的に、職業的役割における低い不平等とより大きな女性表現と結びついていることが示される。 これらの知見は、WGEを促進するための標的となる地域固有の介入の重要性を浮き彫りにして、構造的障壁と文化的障壁の両方に対処する。 本研究は,インドネシアの多様な地域において,男女平等を育成し,女性の労働参加を促進するための適切な戦略を策定する政策立案者を支援することを目的としている。

関連論文リスト

• The Root Shapes the Fruit: On the Persistence of Gender-Exclusive Harms in Aligned Language Models [58.130894823145205]
  我々はトランスジェンダー、ノンバイナリ、その他のジェンダー・ディバースのアイデンティティを中心とし、アライメント手順が既存のジェンダー・ディバースバイアスとどのように相互作用するかを検討する。 以上の結果から,DPO対応モデルは特に教師付き微調整に敏感であることが示唆された。 DPOとより広範なアライメントプラクティスに合わせたレコメンデーションで締めくくります。
  論文  参考訳（メタデータ） (2024-11-06T06:50:50Z)
• Saliency-Based diversity and fairness Metric and FaceKeepOriginalAugment: A Novel Approach for Enhancing Fairness and Diversity [46.74201905814679]
  我々は、地理、性別、ステレオタイプによるコンピュータビジョンモデルにおける様々な偏見を探索する、FaceKeepOriginalAugmentと呼ばれるKeepOriginalAugment法の拡張を導入する。 データ多様性と情報保存の微妙なバランスを維持することによって、当社のアプローチは、多様な正当性と非正当性の両方を活用するモデルに力を与える。 Flickr Faces HQ(FFHQ)、WIKI、IMDB、Labelled Faces in the Wild(LFW)、UTK Faces、Diverseデータセットなど、さまざまなデータセットのデータセットの多様性を定量化しています。
  論文  参考訳（メタデータ） (2024-10-29T13:49:23Z)
• Report on Female Participation in Informatics degrees in Europe [3.498239025413087]
  本研究は,IEHE(Informatics Europe Higher Education)データポータルからのデータを豊かに活用することを目的としている。 本研究は,女子学生の割合,初入学者数,女子学生の学位数について検討した。
  論文  参考訳（メタデータ） (2024-10-15T09:33:16Z)
• GenderCARE: A Comprehensive Framework for Assessing and Reducing Gender Bias in Large Language Models [73.23743278545321]
  大規模言語モデル(LLM)は、自然言語生成において顕著な能力を示してきたが、社会的バイアスを増大させることも観察されている。 GenderCAREは、革新的な基準、バイアス評価、リダクションテクニック、評価メトリクスを含む包括的なフレームワークである。
  論文  参考訳（メタデータ） (2024-08-22T15:35:46Z)
• Beyond Binary Gender: Evaluating Gender-Inclusive Machine Translation with Ambiguous Attitude Words [85.48043537327258]
  既存の機械翻訳の性別バイアス評価は主に男性と女性の性別に焦点を当てている。 本研究では,AmbGIMT (Gender-Inclusive Machine Translation with Ambiguous attitude words) のベンチマークを示す。 本研究では,感情的態度スコア(EAS)に基づく性別バイアス評価手法を提案する。
  論文  参考訳（メタデータ） (2024-07-23T08:13:51Z)
• GenderBias-\emph{VL}: Benchmarking Gender Bias in Vision Language Models via Counterfactual Probing [72.0343083866144]
  本稿では,GenderBias-emphVLベンチマークを用いて,大規模視覚言語モデルにおける職業関連性バイアスの評価を行う。 ベンチマークを用いて15のオープンソースLVLMと最先端の商用APIを広範囲に評価した。 既存のLVLMでは男女差が広くみられた。
  論文  参考訳（メタデータ） (2024-06-30T05:55:15Z)
• Quantifying the Cross-sectoral Intersecting Discrepancies within Multiple Groups Using Latent Class Analysis Towards Fairness [6.683051393349788]
  のイニシアチブは、サービスやリソース、機会へのアクセスにおいて、多種多様な不平等に対処するよう促します。 健康、エネルギー、住宅など、さまざまな分野の意思決定プロセスにAIツールが適用されている。 本研究は,クロスセクタ間差分を定量化するための革新的アプローチを導入する。
  論文  参考訳（メタデータ） (2024-05-24T08:10:31Z)
• A computational model for gender asset gap management with a focus on gender disparity in land acquisition and land tenure security [0.0]
  土地取得と土地維持のセキュリティは、様々な文化的グループに異なる影響を与える複雑な問題である。 提案手法は,新しい測定枠組みの開発に文化・政策要素を取り入れることで,このギャップを埋めることを目的としている。
  論文  参考訳（メタデータ） (2024-04-14T06:59:25Z)
• GIVL: Improving Geographical Inclusivity of Vision-Language Models with Pre-Training Methods [62.076647211744564]
  我々は地理包摂型視覚・言語事前学習モデルであるGIVLを提案する。 1) 類似のカテゴリにおける概念は独自の知識と視覚的特徴を持ち、2) 類似の視覚的特徴を持つ概念は、全く異なるカテゴリに該当する可能性がある。 GIVLは、同様のスケールのデータを事前訓練した類似サイズのモデルと比較して、最先端のSOTA(State-of-the-art)を達成し、ジオディバースなV&Lタスクにおけるよりバランスの取れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-01-05T03:43:45Z)
• Deep Generative Views to Mitigate Gender Classification Bias Across Gender-Race Groups [0.8594140167290097]
  本稿では,性別・人種グループ間の偏見を低減し,分類精度を向上させるためのバイアス緩和戦略を提案する。 我々は、ジェンダー分類バイアスを軽減するために、生成的視点、構造化学習、そして明らかな学習の力を利用する。
  論文  参考訳（メタデータ） (2022-08-17T16:23:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。