Tytuł:

Diagnoza nierówności płacowych wśród sportowców z wykorzystaniem metod uczenia maszynowego

Tytuł publikacji grupowej:

Debiuty Studenckie

Tytuł odmienny:

Diagnosis of Pay Inequality among Athletes Using Machine Learning Methods

Autor:

Derda, Aleksandra

Współtwórca:

Stanimir, Agnieszka. Redakcja

Temat i słowa kluczowe:

luka płacowa ; sport ; uczenie maszynowe ; XGBoost ; gender pay gap ; machine learning

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

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