Quantitative Data: Data Section

All data in this section was from: IPUMS USA, Steven Ruggles, J. Trent Alexander, Katie Genadek, Ronald Goeken, Matthew B. Schroeder, and Matthew Sobek. Integrated Public Use Microdata Series: Version 5.0 [Machine-readable database]. Minneapolis, MN: Minnesota Population Center [producer and distributor], 2010. We used IPUMS USA for the following years: 2012, 2010, 2000, 1990, and 1980.

Our sample includes anyone who stated that they worked over zero hours and earned over zero income. Income will be discussed below. For usual hours worked, we used the usual hours worked per week variable, which reports the number of hours per week that the respondent usually worked. For more information on this variable, please see We also used the ‘person weight’ which indicates how many persons in the U.S. population are represented by a given respondent in an IPUMS sample (please see the following for more information: All percentages reported on Clocking-in are based on this nationally representative weighted data.

The racial and ethnic identifiers (whites and people of color) are based on census self -identification. This is based on the variable “race” in IPUMS USA. Please see for more information. Whites self-identified as white and no other race or ethnicity. ‘People of color’ was a variable created based on racial and ethnic self-identification. The people of color variable contains the following categories: Black, American Indian /Alaska Native, Asian American and Pacific Islanders (Chinese, Japanese, Other Asian or Pacific Islander), Other race/Two major races/Three or more major races, and Latina/o-of any race.

Our census data analysis starts at 1980 because prior to 1980, the Census had problematic ethnic and racial categories (i.e. Latinas/os were categorized as white).

For gender, we use the “sex: variable from IPUMS USA. We used the following codes, 1=female; 0=male. When we present U.S. Census data on charts and graphs, we use the Census labels of “female” and “male.” In our descriptive text, we use terms more associated with gender—“woman” and “man”— because our research focuses on gender discrimination. While sex is defined biologically and narrowly, typically by anatomical characteristics in a male/female binary; gender is defined socially and more inclusively, by identity, presentation and expression, with a wider variation of options beyond a binary.

We understand that using Census data is not inclusive and not accurate for several reasons. First, it might not be accurate for how people selected their identity (i.e. the Census lacks instructions on how to interpret the category “sex.” It does not tell people that sex is based on their gender identity; which is what we would consider best practice. So, some transgender women might select "female" and others might not). Second, having only 2 categories (male/female) is not inclusive for everyone. Thus, we would like to push for the Census to be more accurate and inclusive when they are collecting data.

In order to be more inclusive we will be using the language of gender, woman and man in our text. We believe the terms “woman” and “man”: more fully and accurately reflect the perception-based bias and power dynamics related to gender discrimination.

Also, the Census data is limiting because while the Census should include transgender folks, it does not specifically represent them, due to the limitations of how the Census defines “sex” (male/female). However, Race Forward acknowledges that job discrimination by race and gender disproportionately impacts transgender people of color. Some options for stats/resources:

For analysis of the restaurant industry, we based this on the industry 1990 (IND1990) variable and occupation 1990 (OCC1990) variable from IPUMS USA census data.

To define the restaurant industry, we used the eating and drinking places industry variable (IND1990: 641). For the occupations within this industry we used the following: bartenders (OCC1990: 434); waiter/waitress (OCC1990: 435); cooks, variously defined (OCC1990: 436); food counter, fountain workers, & cashiers (OCC1990: 438, 276); kitchen workers (OCC1990:439); waiter’s assistant (OCC1990: 443); miscellaneous food prep workers (OCC1990: 444); managers of food-serving and lodging establishments.

For the domestic industry, we used the private households industry variable (IND1990: 761). For the occupations within this industry, we used the following: housekeepers, maids, butlers, stewards, and lodging quarters cleaners (OCC1990: 405); nursing aides, orderlies, and attendants (OCC1990: 447); child care workers (OCC1990: 468).

For the retail industry, we used the department store industry variable (IND1990: 591), and apparel and accessory stores, with the exception of the shoe industry (IND1990: 623). For the occupations within this industry we used the following: retail sales clerks (OCC1990: 275), cashiers (OCC1990: 276), and supervisors (OCC1990: 243)

The poverty variable in our data set was based on the IPUMS-USA POVERTY variable, which was created using detailed income and family structure information about each individual and calculating the family income as a percentage of the appropriate official poverty threshold. Please see for more information. The poverty variable is coded as 0 (at or below poverty level) if poverty >=0 & poverty <=100. Above poverty level is coded as: poverty=1 if poverty>100 & poverty <=501. In the text portion of our website for the poverty numbers, we computed the average level of poverty for our sample for the ease of the reader. All averages were computed for the years we examined the data: 1980, 1990, 2000, 2010, and 2012. The average is for the whole industry; thus, occupational poverty percentages vary over the years.

For income, we used the IPUMS USA variable “income wage.” Again, our sample includes anyone who stated that they worked over zero hours and earned over zero income.

The following shows how we coded the variable:

  • Income category 1: >= 0 & < $15,000
  • Income category 2: >= $15,000 & < $30,000
  • Income category 3: >= $30,000 & < $45000
  • Income category 4: >= $45,000 & < $60,000
  • Income category 5: >= $60,000 & < $75,000
  • Income category 6: >= $75,000

In our website, we labeled the income categories in a specific way for the graphs for brevity sake. In our written analysis of the poverty number percentages we averaged income Categories 1 & 2 for income less than $30,000. For income of $60,000 and more, we averaged the percentages of income Categories 5&6. All income figures are adjusted to reflect 2010 dollars.

Qualitative Data: Focus Groups and Interviews

The focus groups and interviews informed the content of the game and other background research for this product. We conducted 9 focus groups with workers from our partner organization’s membership base (3 for Restaurant Opportunities Center (ROC); 3 for National Domestic Workers Alliance (NDWA); 3 for Retail Action Project (RAP)). We also conducted one-on-one interviews with workers from the same focus group pool. The focus groups and interviews were conducted across the United States from June-August of 2014. For more information, please see below.

The research team centered the focus groups on themes related to occupational segregation. The first theme was Patterns; what does occupational segregation look like? For this theme, we asked questions such as, “Who do you generally see working in different positions at restaurants where you’ve worked (i.e. people of color, white people, women, men, transgender individuals)?” The second theme was Causes; why do you think occupational segregation occurs? For this theme, we asked questions such as, “What forms of discrimination do you notice at your work that contributes to occupational segregation?” The third theme was Impacts; how does occupational segregation impact your life? For this theme, we examined items such as, “Please describe some of the most challenging conditions you experience while working in the restaurant industry related to wages, benefits, hours.” The fourth theme was Solidarity/Framing; how do we frame occupational segregation? For this theme, we asked questions such as, “If you have worked in other industries, how is occupational segregation a problem in other industries?” Our final theme was Solutions; what are possible solutions for occupational segregation? For this theme we asked questions such as, “What changes would you suggest the restaurant industry make to address the issue of occupational segregation by race and gender?”

The following were the questions we typically used for the one-on-one interviews:

  1. What do you think is the general public's perception of a worker in the restaurant industry? (i.e. who is this worker, what are their challenges, why do they work in this industry, etc.)
  2. What is your reality of this experience, given your identity (race and gender)? (i.e. who are you, what are your identities, what are the challenges you face, why do you work in this industry, etc.)
  3. What is your ideal reality, or how would you like to see the experience of workers in the restaurant industry change? (i.e. who works in what occupations, what are some solutions to the challenges they face, etc.)

Detailed Information on Focus Groups and Interviews:

ROC — New York City

  • 1 focus group; 13 participants; 5 interviews
  • Demographics:
    • Age range: 21-49
    • Race: African American/Black (8); Latino (1); Latino, White (1); Other
    • Gender: Man (6); Woman (6); Unidentified (1)

Young Workers United (Restaurant workers-associated with ROC) - San Francisco

  • 1 focus group; 7 participants; 3 interviews
  • Demographics:
    • Age range: 19-50
    • Race: Latino (6); Asian American/Pacific Islander, White (1)
    • Gender: Man (5); Woman (2)

ROC - Detroit

  • 1 focus group; 6 participants; 4 interviews
  • Demographics:
    • Age range: 31-44
    • Race: African-American/Black (5); White (1)
    • Gender: Man (5); Woman (2)

ROC - Oakland, CA

  • 3 interviews
  • Demographics:
    • Age range: not listed
    • Race: not listed
    • Gender: not listed

NDWA - New York City

  • 1 focus group; 17 participants; 3 interviews
  • Demographics:
    • Age range: 21-59
    • Race: Asian American/Pacific Islander (5); Other (5); Other-Nepali (3); Other-Sherpa (2); Other-Bhutanese (1); Other-Tibetan (1)
    • Gender: Man (0); Woman (17)

NDWA - Atlanta

  • 1 focus group; 8 participants; 3 interviews
  • Demographics:
    • Age range: 33-60
    • Race: African American/Black (8)
    • Gender: Man (0); Woman (8)

Mujeres Unidas y Activas (MUA)-Domestic Workers Associated with NDWA - Oakland, CA

  • 1 focus group; 9 participants; 3 interviews
  • Demographics:
    • Age range: 22-68
    • Race: Latino (7); Indian American/Native, Latino (1); Asian American/Pacific Islander (1)
    • Gender: Man (0); Woman (8); Unidentified (1)

RAP - New York City

  • Focus group #1: 12 participants; 0 interviews
    • Demographics:
      • Age range: 21-47
      • Race: African American/Black (6); Latino (1); Latino, White (1); Other (2); African American/Black, American Indian/Native (1); African American/Black, Asian American/Pacific Islander (1)
      • Gender: Man (6); Woman (5); Transgender (1)
  • Focus group #2: 15 participants; 2 interviews
    • Demographics:
      • Age range: 19-59
      • Race: African American/Black (5); African American/Black, American Indian/Native (1); African American, Latino (2); Latino (2); Latino, White (1); White (1); African American/Black, Other (1); African American/Black, Asian American/Pacific Islander (1), White (1)
      • Gender: Woman (11); Man (4)
  • Focus group #3: 7 participants; 7 interviews
    • Demographics:
      • Age range: 23-35
      • Race: African American/Black (6); Latino (1)
      • Gender: Woman (5); Man (2)

Datos Cuantitativos: Sección de Datos

Todos los datos de esta sección fueron obtenidos de: IPUMS USA, Steven Ruggles, J. Trent Alexander, Katie Genadek, Ronald Goeken, Matthew B. Schroeder, y Matthew Sobek. Uso Público de la Serie de Microdatos Integrados: Versión 5.0 [base de datos de lectura mecánica]. Minneapolis, MN: Minnesota Population Center [productor y distribuidor], 2010. Se utilizó IPUMS USA para los años siguientes: 2012, 2010, 2000, 1990 y 1980.

Nuestra muestra incluye a cualquiera que haya declarado que trabajara sobre las cero horas y ganara más de cero ingresos. El ingreso será discutido más adelante. Para las horas habituales trabajadas, hemos utilizado la variable de horas habituales trabajadas por semana, que reporta el número de horas por semana que el entrevistado habitualmente trabaja. Para obtener más información sobre esta variable, consulte También utilizamos el "peso individual” (person weight) el cual indica el número de personas de la población de Estados Unidos que están representados por un declarante determinado en una muestra IPUMS (consulte la siguiente para más informació Todos los porcentajes reportados en Clocking-in se basan en esta muestra de datos ponderada representativa a nivel nacional.

Los identificadores raciales y étnicos (blancos y gente de color) se basan en la auto –identificación en censos. Esto se basa en el variable de "raza" (race) en IPUMS USA. Por favor, vea para más información. Los blancos se auto-identificaron como blancos y ninguna otra raza o etnia. 'Gente de color' fue una variable creada sobre la base de la auto-identificación racial y étnica. La variable de gente de color incluye las siguientes categorías: Negro, Indios Americanos/nativos de Alaska, Asiáticos-Americanos y las islas del Pacífico (chinos, japoneses, otro asiáticos o de las islas del Pacífico), Otra Raza/Dos Razas Mayores/Tres o Más Razas Mayores, y Latino/a de cualquier raza.

Nuestro análisis de los datos del censo se inicia en 1980, ya que antes de 1980, el Censo tenía categorías étnicas y raciales problemáticas (es decir, los Latino/as se clasificaron como blancos).

Para género, utilizamos la variable "sexo” de IPUMS USA. Se utilizaron los siguientes códigos, 1=femenino; 0=masculino. Cuando se presentan datos del Censo de Estados Unidos en tablas y gráficos, utilizamos las etiquetas del censo de "femenino" y "masculino". En nuestro texto descriptivo, utilizamos términos más asociados con el género—"mujer" y "hombre"—porque nuestra investigación se centra en la discriminación de género. Mientras que el sexo se define biológicamente y de forma estrecha, por lo general por las características anatómicas en un binario hombre/mujer; el género se define socialmente y de forma más inclusiva, por la identidad, la presentación y expresión, con una variación más amplia de opciones más allá de un sistema binario.

Entendemos que el uso de los datos de censo no es inclusivo y no es preciso por varias razones. En primer lugar, podría no ser preciso en cuanto a cómo las personas seleccionan su identidad (es decir, el Censo carece de instrucciones sobre cómo interpretar la categoría "sexo." No dice a la gente que el sexo se basa en su identidad de género, lo cual es lo que podríamos considerar como una práctica apropiada. Por lo tanto, algunas mujeres transgénero podrían haber seleccionado "femenino" y otras no). En segundo lugar, tener sólo 2 categorías (masculino/femenino) no es inclusivo para todos. Por lo tanto, nos gustaría recomendar al Censo a ser más exacto e inclusive cuando durante la recopilando datos.

Con el fin de ser más inclusivo estaremos utilizando el lenguaje de género, mujer y hombre en nuestro texto. Creemos que los términos "mujer" y "hombre" reflejan plenamente y con más precisión la parcialidad basada en percepción y la dinámica de poder relacionadas con la discriminación de género.

Además, los datos de Censo son limitantes, porque mientras que el Censo debería incluir personas transgénero, no los representan en concreto, debido a las limitaciones de la forma en que el Censo define "sexo" (masculino/femenino). Sin embargo, Race Forward reconoce que la discriminación laboral por raza y género impacta desproporcionadamente a las personas transgénero de color. Algunas opciones para obtener información y recursos estadísticos:

Para el análisis de la industria de restaurantes, nos basamos en la variable 1990 de la industria (IND1990) y la variable 1990 de la ocupación (OCC1990) a partir de los datos del censo IPUMS USA.

Para definir el sector restaurantil, se utilizó la variable de la industria de lugares de comida y bebida (IND1990: 641). Para las ocupaciones dentro de esta industria se utilizaron las siguientes: camareros [bartenders] (OCC1990: 434); mesero/as (OCC1990: 435); cocineros, definidos de varias maneras (OCC1990: 436); mostrador de comida, trabajadores de fuente, y cajeros (OCC1990: 438, 276); trabajadores de la cocina (OCC1990: 439); ayudante de mesero (OCC1990: 443); trabajadores diversos de preparación de alimentos (OCC1990: 444); gerentes de los establecimientos que sirven comida y de alojamiento.

Para la industria doméstica, se utilizó la variable de hogares privados de la industria (IND1990: 761). Para las ocupaciones dentro de esta industria, hemos utilizado las siguientes: amas de llave, empleadas del hogar, mayordomos, camareros, limpiadores de cuartos de alojamiento (OCC1990: 405); ayudantes de enfermería, celadores y encargados (OCC1990: 447); trabajadores de cuidado infantil (OCC1990: 468).

Para la industria al por menor, se utilizó la variable de la industria de tiendas por departamentos (IND1990: 591), y tiendas de ropa y accesorios, con la excepción de la industria del calzado (IND1990: 623). Para las ocupaciones dentro de esta industria se utilizó la siguiente: empleado de ventas al por menor (OCC1990: 275), cajeros (OCC1990: 276), y los supervisores (OCC1990: 243)

La variable de la pobreza en nuestro conjunto de datos se basa en la variable IPUMS-USA POVERTY, la cual fue creada usando ingresos detallados y la información de la estructura familiar de cada individuo y calculando los ingresos familiares como un porcentaje del umbral de la pobreza oficial correspondiente. Por favor vea para más información. La variable de la pobreza se codifica como 0 (en o por debajo del nivel de pobreza) si la pobreza >=0 y la pobreza <=100. Por encima del nivel de pobreza se codifica como: pobreza=1 si la pobreza>100 y la pobreza <=501. En la parte de texto de nuestro sitio web para las cifras de la pobreza computamos el nivel medio de la pobreza de nuestra muestra para la facilidad del lector. Todos los promedios fueron calculados para los años en que hemos examinado los datos: 1980, 1990, 2000, 2010 y 2012. El promedio es para toda la industria; por lo tanto, los porcentajes de pobreza laborales pueden variar a través los años.

Para los ingresos, se utilizó la variable "ingresos salariales" de IPUMS USA. Una vez más, la muestra incluye a cualquiera que declarara que trabajaban más de cero horas y ganaron más de cero ingresos.

A continuación se muestra la forma en que se codificó la variable:

  • Categoría de ingresos 1: >= 0 & < $15,000
  • Categoría de ingresos 2: >= $15,000 & < $30,000
  • Categoría de ingresos 3: >= $30,000 & < $45000
  • Categoría de ingresos 4: >= $45,000 & < $60,000
  • Categoría de ingresos 5: >= $60,000 & < $75,000
  • Categoría de ingresos 6: >= $75,000

En nuestra página web, clasificamos las categorías de ingresos de una manera específica para los gráficos por razones de brevedad. En nuestro análisis por escrito de los porcentajes numéricos de pobreza promediamos las categorías de ingresos 1 y 2 para ingresos de menos de $30,000. Para ingresos de $ 60,000 y más, promediamos los porcentajes de las categorías de ingresos 5 y 6. Todas las cifras de ingresos se ajustan para reflejar la tasa del dólar en el 2010.

Datos cualitativos: Grupos de Enfoque y Entrevistas

Los grupos de enfoque y entrevistas informaron el contenido del juego y otras investigaciones de antecedentes para este producto. Hemos llevado a cabo 9 grupos de discusión con los trabajadores de la base de miembros de nuestra organización asociada (3 del Centro de Oportunidades para Trabajadores de Restaurantes (Restaurant Opportunities Center United) [ROC]; 3 de la Alianza Nacional de las Trabajadoras del Hogar (National Domestic Workers Alliance) [NDWA]; 3 Retail Action Project (Proyecto de Acción de Comercio Minorista) [RAP]). También llevamos a cabo entrevistas uno-a-uno con trabajadores del mismo grupo del que se escogieron los participantes del grupo de enfoque. Los grupos de enfoque y las entrevistas se llevaron a cabo en los Estados Unidos de junio a agosto del 2014. Para obtener más información, por favor ver más abajo.

El equipo de investigación centró los grupos de discusión en temas relacionados con la segregación ocupacional. El primer tema fue Patrones; ¿Cómo se manifiesta la segregación ocupacional? Para este tema, hicimos preguntas tales como, "¿Por lo general, a quién ve trabajando en diferentes posiciones en restaurantes en los que ha trabajado (es decir, personas de color, blancos, mujeres, hombres, personas transgénero)?" El segundo tema fue Causas; ¿Por qué cree que se produce la segregación ocupacional? Para este tema, hicimos preguntas tales como, "¿Qué formas de discriminación observa en su trabajo que contribuye a la segregación ocupacional?" El tercer tema fue Impactos; ¿Cómo influye la segregación ocupacional en su vida? Para este tema, examinamos elementos como "Por favor describe algunas de las condiciones más difíciles que experimenta mientras trabaja en la industria restaurantil en relación a salarios, beneficios, horas." El cuarto tema fue Solidaridad/Enmarcado; ¿Cómo enmarcamos la segregación ocupacional? Para este tema, hicimos preguntas tales como, "Si usted ha trabajado en otras industrias, cómo es la problemática de la segregación ocupacional en otras industrias?" Nuestro tema final fue Soluciones; ¿Cuáles son las posibles soluciones para la segregación ocupacional? Para este tema hicimos preguntas tales como: "¿Qué cambios sugeriría a la industria restaurantil para abordar el asunto de la segregación ocupacional por raza y sexo?"

Las siguientes fueron las preguntas que típicamente utilizamos para las entrevistas uno-a-uno:

  1. ¿Cuál cree usted que es la percepción del público en general sobre un trabajador del sector de restaurantil? (Es decir, ¿Quién es este trabajador, cuáles son sus retos, por qué trabajan en esta industria?, etc.?).
  2. ¿Cuál es su realidad en cuanto a esta experiencia, dada su identidad (raza y sexo)? (Es decir, ¿quién es usted, cuáles son sus identidades, cuáles son los desafíos que enfrenta, por qué trabaja en esta industria?, etc.).
  3. ¿Cuál es su realidad ideal, o cómo le gustaría ver cambiar la experiencia de los trabajadores en el sector de la industria restaurantil? (Es decir, ¿Quién trabaja en las distintas posiciones ycuáles son algunas soluciones a los retos que enfrentan, etc.?).

Información Detallada sobre Grupos de Enfoque y Entrevistas:

ROC — Nueva York

  • 1 grupo de enfoque; 13 participantes; 5 entrevistas
  • Demografía:
    • Rango de edad: 21-49
    • Raza: Afro-Americano/Negro (8); Latino (1); Latino, Blanco (1); Otro
    • Sexo: Hombre (6); Mujer (6); Sin identificar (1)

Young Workers United (trabajadores de restaurante asociados con ROC) - San Francisco

  • 1 grupo de enfoque; 7 participantes; 3 entrevistas
  • Demografía:
    • Rango de edad: 19-50
    • Raza: Latino (6); Asiático-Americano/Islas del Pacífico, Blanco (1)
    • Sexo: Hombre (5); Mujer (2)

ROC - Detroit

  • 1 grupo de enfoque; 6 participantes; 4 entrevistas
  • Demografía:
    • Rango de edad: 31-44
    • Raza: Afro-Americano/Negro (5); Blanco (1)
    • Sexo: Hombre (5); Mujer (2)

ROC - Oakland, CA

  • 3 entrevistas
  • Demografía:
    • Rango de edad: no enumerado
    • Raza: no enumerado
    • Sexo: no enumerado

NDWA - Nueva York

  • 1 grupo de enfoque; 17 participantes; 3 entrevistas
  • Demografía:
    • Rango de edad: 21-59
    • Raza: Asiático-Americano/Islas del Pacífico (5); Otros (5); Otros-Nepalí (3); Otra con Sherpa (2); Otros-Butaneses (1); Otro-Tibetano (1)
    • Sexo: Hombre (0); Mujer (17)

NDWA - Atlanta

  • 1 grupo de enfoque; 8 participantes; 3 entrevistas
  • Demografía:
    • Rango de edad: 33-60
    • Raza: Afro-Americano/Negro (8) )
    • Sexo: Hombre (0); Mujer (8)

Mujeres Unidas y Activas (MUA) - Trabajadores del hogar asociados con NDWA - Oakland, CA

  • 1 grupo de enfoque; 9 participantes; 3 entrevistas
  • Demografía:
    • Rango de edad: 22-68
    • Raza: Latino (7); Indio Americano/Nativo, Latino (1); Asiático-Americano/Islas del Pacífico (1)
    • Sexo: Hombre (0); Mujer (8); Sin identificar (1)

RAP - Nueva York

  • Grupo de Enfoque #1: 12 participantes; 0 entrevistas
    • Demografía:
      • Rango de edad: 21-47
      • Raza: Afro-Americano / Negro (6); Latino (1); Latino, Blanco (1); Otros (2); Afro-Americano/Negro, Indio Americano/Nativo (1); Afro-Americano/Negro, Asiático-Americano/Islas del Pacífico (1)
      • Sexo: Hombre (6); Mujer (5); Transgénero (1)
  • Grupo de Enfoque #2: 15 participantes; 2 entrevistas
    • Demografía:
      • Rango de edad: 19-59
      • Raza: Afro-Americano/Negro (5); Afro-Americano/Negro, Indio Americano/Nativo (1); Afro-Americano, Latino (2); Latino (2); Latino, Blanco (1); Blanco (1); Afro-Americano/Negro, Otros (1); Afro-Americano/Negro, Asiático-Americano/Islas del Pacífico (1), Blanco (1)
      • Sexo: Mujer (11); Hombre (4)
  • Grupo de Enfoque #3: 7 participantes; 7 entrevistas
    • Demografía:
      • Rango de edad: 23-35
      • Raza: Afro-Americano/Negro (6); Latino (1) )
      • Sexo: Mujer (5); Hombre (2)