Science, Technology, Engineering and Mathematics (STEM): Liberating Women in the Middle East
Notice bibliographique
Résumé
Middle East Region is home to more than 400 million people, representing 5% of world population, and boasts aworkforce of 103 million scattered across 22 countries (Lord, 2016). Sixty five percent of the populations are youngaged 25 or under, which puts growing stress on educational, health and social systems. Over the last decade, mostMiddle East countries put into action many reforms for women’s rights and sensitivity toward gender issues. Currently,almost all Middle East countries have ratified the Convention on the Elimination of all Forms of Discrimination againstWomen (CEDAW). Many nations in the Region shown strong commitment to uplift education and make themaccessible to all eligible women. There was also substantial increase in the allocation of funds for education in nearlyall Middle East nations. For a balanced national development, women are needed in the various areas where theirfunctions are most suitable. In principle, there are equal opportunities for both genders but social perception andprejudice determine which types of employment are particularly suitable for women or men. Several renowned MiddleEastern women are Physicians, Chemist, Physicist, Engineers, Doctors, Judges, Lawyers, Journalist, Poets, Novelistand even Legislatives (Islam, 2017)
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 | 0,003 | 0,002 |
| 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 | 0,009 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».