MétaCan
Menu
Retour à la cohorte
Enregistrement W2167589452 · doi:10.1177/0891243213512721

Gender, Social Background, and the Choice of College Major in a Liberal Arts Context

2013· article· en· W2167589452 sur OpenAlexaff
Ann L. Mullen

Notice bibliographique

RevueGender & Society · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSalience (neuroscience)EliteLiberal arts educationSociologyContext (archaeology)InequalityIdentity (music)The artsSocial psychologyGender studiesPsychologyHigher educationPolitical sciencePolitics

Résumé

récupéré en direct d'OpenAlex

Enduring disparities in choice of college major constitute one of the most significant forms of gender inequality among undergraduate students. The existing literature generally equates major choice with career choice and overlooks possible variation across student populations. This is a significant limitation because gender differences in major choice among liberal arts students, who attend college less for specific career training and more for broader learning objectives, are just as great as among those choosing pre-professional majors. This study addresses this gap by examining how privileged men and women at an elite, liberal arts university select their fields of study. Drawing on in-depth interviews, findings contradict the prevailing assumption of a unitary model of major choice as career choice by revealing a plurality of gendered meanings around choosing a field of study. Majors may play an important part in the construction of an intellectual identity as much as a means of career preparation. How students approach the choice relates to both gender and social background. For privileged students, traditional gendered associations with bodies of knowledge hold salience in their decision making as well as expectations of reproducing future elite family roles. This research also illuminates how gendered processes of choosing fields of study take place in relationship to particular institutional contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,169
Tête enseignante GPT0,317
Écart entre enseignants0,148 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations92
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGender & SocietyMême sujetGender Diversity and InequalityTravaux en français237 207