Detailansicht
Gender gap in exposure to GenAI
evidence from Austria
Anastasiia Rubanik
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Applied Economics
Betreuer*in
Daniel Garcia
DOI
10.25365/thesis.81392
URN
urn:nbn:at:at-ubw:1-10413.68529.346224-0
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Ziel dieser Arbeit ist die Quantifizierung der geschlechtsspezifischen Unterschiede in der Exposition gegenüber generativer künstlicher Intelligenz (genAI) in Österreich. Hierfür wird der genAI-Expositionsindex für Berufe (ILO 2025) mit Daten der Mikrozensus- Arbeitskräfteerhebung von Statistik Austria kombiniert (Statistik Austria 2025). Die Hauptmethode ist die zweifache Oaxaca-Blinder-Dekomposition. Die Berechnungen wurden mit dem R-Paket oaxaca (Hlavac 2022) durchgeführt. Der Einfluss von Faktoren wie Alter, Bildungsniveau, Migrationshintergrund, Haushaltstyp und Vollzeit- oder Teilzeitbeschäftigung auf die Unterschiede wurde analysiert. Es konnte bestätigt werden, dass Frauen in Österreich einer höheren genAI-Exposition ausgesetzt sind als Männer: die durchschnittliche Exposition von Frauen liegt 17.5% höher als die von Männern (0.27 bei Männern und 0.32 bei Frauen). Darüber hinaus wurde der Einfluss eines Hochschulabschlusses auf die genAI-Exposition bei Frauen als geringer festgestellt als bei Männern. Das Bildungsniveau erwies sich als starker Prädiktor für die Exposition und erklärt 72% der Unterschiede. Es wurde vorläufig bestätigt, dass (verheiratete) Frauen mit Kindern in Haushalten ohne weitere Personen voraussichtlich einer höheren genAI- Exposition ausgesetzt sind als Männer in derselben Situation, verglichen mit anderen Haushaltstypen. Schließlich zeigte sich, dass Migranten der ersten Generation weniger von genAI betroffen sind als Menschen ohne Migrationshintergrund oder Migranten späterer Generationen.
Abstract
(Englisch)
The goal of this thesis is to quantify the gender gap in the exposure to generative AIs in Austria. It uses the genAI exposure index for occupations (ILO 2025) combined with Labour Force Survey Data from Statistics Austria (Statistics Austria 2025). The main method is the twofold Oaxaca-Blinder Decomposition. The calculations were performed using the oaxaca package in R (Hlavac 2022). The influence of factors such as the age, the education, the migration background, the type of household and the type of work (full-time or part-time) on the gap was analyzed. It was confirmed that women have higher exposure to genAI than men in Austria: the average exposure to genAI for women is 17.5% higher than for men (0.27 for men and 0.32 for women). In addition, the effect on the genAI exposure of obtaining the university education for women was estimated to be weaker than for men. And, the level of education was found to be a strong predictor of the exposure and accounts for 72% of the gap. It was tentatively confirmed that (married) women with children in households without other people are expected to have higher exposure to genAI than men in the same circumstance, compared to other household types. Lastly, it was shown that the first-generation migrants are less exposed to genAI than people without the migration background or later generation migrants.
Schlagwörter
Schlagwörter
(Deutsch)
Generative Künstliche Intelligenz (genAI) Geschlechterungleichheit GenAI-Exposition Oaxaca-Blinder-Dekomposition Arbeitsmarktdiskriminierung GenAI-Risiko GenAI-Expositionsdekomposition Österreich
Schlagwörter
(Englisch)
Generative Artificial Intelligence (genAI) Gender Inequality GenAI Exposure Oaxaca-Blinder Decomposition Labor Market Discrimination GenAI Risk GenAI Exposure Decomposition Austria
Autor*innen
Anastasiia Rubanik
Haupttitel (Englisch)
Gender gap in exposure to GenAI
Hauptuntertitel (Englisch)
evidence from Austria
Publikationsjahr
2026
Umfangsangabe
iii, 45 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Daniel Garcia
Klassifikation
83 Volkswirtschaft > 83.14 Einkommen. Beschäftigung. Arbeitsmarkt
AC Nummer
AC17913388
Utheses ID
81386
Studienkennzahl
UA | 066 | 913 | |