Comprendre les différences dans les résultats entre les groupes sociaux – tels que les lacunes des salaires entre les hommes et les femmes – est un défi central en sciences sociales. Alors que les chercheurs ont longtemps examiné comment les facteurs observables contribuent à ces différences, combinez des méthodes traditionnelles de variables complexes telles que les chemins de fer professionnels. Notre travail correspond aux dernières avancées de l'intelligence artificielle – en particulier dans les modèles de fondation qui peuvent traiter des histoires riches et détaillées – pour mieux expliquer les différences de groupe. Nous développons la théorie mathématique et les méthodes de calcul avec lesquelles ces modèles d'IA fournissent des estimations plus précises et moins déformées sur la quantité de différences de groupe expliquées par des facteurs observables. Notre approche pointe vers des données réelles et montre que les histoires détaillées expliquent davantage l'écart salarial de genre que celle précédemment comprise avec des méthodes conventionnelles.
Cela vient d'un nouveau journal de Keyon Vafa, Susan Athey et David M. Blei. À propos de l'excellent Kevin Lewis. Il s'agit également d'un véritable progrès dans le front méthodologique.
La contribution a utilisé l'IA pour expliquer l'écart salarial de genre d'abord dans la révolution des bords.
#Utilisez #l39IA #pour #expliquer #l39écart #salarial #genre
