Notice bibliographique
Résumé
Purpose This paper aims to present the challenges facing women in India due to the intersectionality of gender and other forms of identities impacting on their personal and professional lives by exploring the intersection of gender, colour, caste, ethnicity, religion, marital status, and class as sources of discrimination against women in Indian society and workplaces. Design/methodology/approach The approach is discussing the socio‐cultural traditions leading up to the complexities of multiple intersections of identity for women living and working in India, offering a paradigm shift from Western issues of gender equality towards understanding women's empowerment issues within the Indian context. Findings Indian women are marginalized in their access to education and healthcare, and they are also compromised in their personal and professional development by being undervalued, underemployed and under‐rewarded. The social implications are the impact of awareness, changing attitudes and corporate social responsibility interventions towards improving the quality of life of women in India. Multinational corporations as well as Indian organizations may be influenced to implement diversity policies and practices beyond individual identities to incorporate the complex intersectionality that is the reality and dilemma of the challenges faced by Indian women in society, in professional careers and within organizations. Originality/value Readers will find originality and value in understanding the complexities of gender equality issues in India as compared to other countries and contexts. It can inform researchers, academics, practitioners and policy makers on how to address the disparities and discrimination against women and guide comparative discourses between India and other countries towards eliminating discrimination against women.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».