MétaCan
Menu
Retour à la cohorte
Enregistrement W2945062546 · doi:10.5430/elr.v8n2p10

Gender and Middle-East: An Intersectionality Perspective

2019· article· en· W2945062546 sur OpenAlexvenueno aff
Rajdeep Singh

Notice bibliographique

RevueEnglish Linguistics Research · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntersectionalityMainstreamPerspective (graphical)Gender studiesSociologyInterpersonal communicationGender equalityFeminist movementFeminismPolitical scienceComputer scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Intersectionality, the relations among different social variables and their interplay, is an inevitable and most employed way of analyzing the gender related issues. We also consider the intersectionality as a great window to new horizons for gender equality aspirations and research. By modifying the more traditional type of intersectional research methodology, we could build up a solid framework for future studies on gender issues particular to the Middle-East. Our goal is to offer a modern model for intersectional studies specific to middle-east, brining onboard different perspectives, usually neglected in mainstream intersectional studies on gender. This model provides a firm ground for psychological questions touching individual as well interpersonal and social dimensions. For this, we concentrate on Iran where the feminist movement is growing fast and there are reasons to believe that it has religious and social texture similar to the rest of the region. We used intersectional methodology as we consider this the most suitable for gender studies. This paper presents a novel model which offers a great unique opportunity to understand the complexity of factors involving the gender issues in a region which is growing fast but still clings to traditions. We further illustrate how the language plays a role in implementing governmental policy which brings about changes in identity and gender 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,025
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,685
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,391
Tête enseignante GPT0,432
Écart entre enseignants0,042 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Linguistics ResearchMême sujetGender Diversity and InequalityTravaux en français237 207