Genre et statistiques : est-ce que « l’analyse de grappes » peut nous aider à comprendre la place du genre dans la recherche de meilleures conditions de travail ?
Notice bibliographique
Résumé
L’activité de régulation de l’interface travail-famille (ATF), surtout associée aux femmes, est déterminée notamment par la répartition des horaires, la flexibilité des aménagements, et le soutien organisationnel. Répondant à une demande syndicale, nous avons analysé la situation de personnes salariées d’un commerce de détail aux horaires imprévisibles, variables, et étendus. Nous avons caractérisé les préférences d’horaire de 247 travailleurs et 303 travailleuses par une analyse de grappes.Nous voyons que quatre grappes (profils) caractérisent les préférences d’horaire, les hommes et les femmes ne sont pas distribués uniformément à travers les profils, les préférences intragenres sont hétérogènes. En principe, la diversité observée pourrait faciliter la création d’un horaire adapté aux préférences, mais l’entreprise étudiée a montré peu d’intérêt pour l’ATF et l’égalité des femmes. Nous concluons que l’analyse de grappes se prête à l’analyse ergonomique et l’intervention stratégique. Nous discutons de la portée de sa contribution pour promouvoir l’égalité professionnelle.
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 | 0,028 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,014 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,003 |
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 ».