Obiekt

Tytuł: Diagnoza nierówności płacowych wśród sportowców z wykorzystaniem metod uczenia maszynowego

Tytuł odmienny:

Diagnosis of Pay Inequality among Athletes Using Machine Learning Methods

Autor:

Derda, Aleksandra

Współtwórca:

Stanimir, Agnieszka. Redakcja

Opis:

Derda, A. (2024). Diagnoza nierówności płacowej wśród sportowców z wykorzystaniem metod uczenia maszynowego. W: A. Stanimir (red.), Współczesne problemy społeczno-ekonomiczne w ujęciu analitycznym (s. 25-41). Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.

Abstrakt:

Głównym celem pracy jest udowodnienie – z wykorzystaniem metody XGBoost – występowania luki płacowej w sporcie na podstawie wypłat koszykarzy i koszykarek z lig NBA i WNBA. Sprawdzano również prawdziwość stwierdzenia, że na wysokość wypłaty wpływają cechy fizyczne, popularność oraz skuteczność na boisku w obronie i ataku zawodnika lub zawodniczki. Utworzono jeden model, którego wyniki uznano za zadowalające. Porównano dla tego modelu wpływ poszczególnych zmiennych z wykorzystaniem trzech różnych metod. Uzyskano spójne wyniki potwierdzające, że poza skutecznością w obronie wszystkie z zakładanych czynników wpływających na wysokość wypłaty okazały się istotne. Potwierdzono również występowanie dyskryminacji płacowej ze względu na płeć.

Wydawca:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2024

Typ zasobu:

rozdział

Identyfikator zasobu:

doi:10.15611/2024.76.5.02 ; oai:dbc.wroc.pl:130408

Język:

pol

Powiązania:

Debiuty Studenckie 2024

Prawa:

Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy

Prawa dostępu:

Dla wszystkich zgodnie z licencją

Licencja:

CC BY-SA 4.0

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu

Tytuł publikacji grupowej:

Debiuty Studenckie

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

23 sty 2025

Data dodania obiektu:

20 sty 2025

Liczba wyświetleń treści obiektu:

4

Wszystkie dostępne wersje tego obiektu:

https://dlibra.kdm.wcss.pl/publication/168987

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Podobne

×

Cytowanie

Styl cytowania:

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji