The lexicon of mainstreaming equality: Gender Based Analysis (GBA), Gender and Diversity Analysis (GDA) and Intersectionality Based Analysis (IBA)
Notice bibliographique
Résumé
In the last 15 years, much debate has ensued at the international level regarding gender mainstreaming (GM), its efficacy and future utility. In Canada, similar discussions have taken place where GM has largely been operationalized in the form of gender-based analysis (GBA). However, there has been a lack of clarity regarding the ways in which GBA as a conceptual framework compares to other approaches available for working towards equality in public policy, namely gender and diversity analysis (GDA) and intersectionality-based analysis (IBA). As a result, the potential of these models to respond to diversity and inequality, especially GBA and GDA, are often overstated and/or conflated. The purpose of this paper is to elucidate the similarities and differences between GBA, GDA, and IBA. This analysis illuminates the strengths and limitations of these types of approaches, especially in terms of how each conceptualizes and is able to address a wide variety of diversities among the Canadian population. This paper argues that only IBA is flexible enough to capture the multidimensional nature of oppression and discrimination because it disrupts the systematic prioritization of gender as a starting place for assessing experiences of inequality.
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 | 0,039 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,016 | 0,021 |
| Études des sciences et des technologies | 0,010 | 0,088 |
| Communication savante | 0,023 | 0,012 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,007 |
| 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 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 ».