Pourquoi les lois et les programmes qui en découlent ne permettent-ils pas d'atteindre l'égalité professionnelle entre les femmes et les hommes?
Notice bibliographique
Résumé
Résumé Malgré l’adoption d’un grand nombre de lois et de programmes, de politiques et d’actions de gestion visant à favoriser l’égalité professionnelle entre les femmes et les hommes, force est de reconnaître que les inégalités perdurent en France, au Canada et dans bien d’autres pays. Une recherche-intervention que nous avons effectuée nous amène à conclure que les politiques de réduction des inégalités sont peu efficaces parce qu’elles se trompent d’objectif en tentant seulement de compenser les inégalités. Elles y parviennent partiellement, mais elles rendent de ce fait ces inégalités plus faciles à vivre pour les femmes et, finalement, contribuent à les faire perdurer. Après avoir donné quelques exemples de ce phénomène, nous proposons un mode de gestion du changement qui s’attaque aux sources mêmes de l’inégalité professionnelle, et qui consiste, pour l’essentiel, à revoir les croyances collectives sur les rôles sexués de façon à recadrer la question de l’égalité entre les femmes et les hommes. Fonctions : GRH, management
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,009 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».