MétaCan
Menu
Retour à la cohorte
Enregistrement W2996061237

Applying a Gender Lens to the Predictors of High-tech Career Intentions among Engineering Students in Bangladesh

2019· article· en· W2996061237 sur OpenAlexaff
Samina M. Saifuddin, Lorraine Dyke, Maria Rasouli

Notice bibliographique

RevueInternational Journal of Gender, Science, and Technology · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCareer Development and Diversity
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésHigh techPerceptionPsychologyDominance (genetics)Career developmentSocial psychologyGender studiesSociologyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper explores the extent to which perceived job attributes, perceived male dominance in the high-tech sector, and perceptions of the media’s gendered representation of high-tech might influence students’ intentions to pursue a career in the high-tech sector. A survey was conducted with 209 female and 640 male engineering undergraduate students in Dhaka, Bangladesh. The results suggested that both female and male students were attracted to high-tech when they viewed it as a challenging career.  Gender role stereotypes also, however, influenced the career intentions of both women and men.  Although they are influenced by different types of gendered norms – women by attitudes toward the suitability of high-tech careers for women and men by male media images of high-tech – the gendering of high-tech work influenced both women and men. The results contradict previous findings that female students perceive high-tech work as boring, uncool, and nerdy but support previous findings on the negative effect of gender stereotyping on female students’ interest in pursuing a high-tech related career

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,028
Score d'incertitude au seuil0,205

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,268
Écart entre enseignants0,246 · 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.

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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Gender, Science, and TechnologyMême sujetCareer Development and DiversityTravaux en français237 207