Facteurs déterminants de la réussite des femmes et de leur positionnement dans les carrières scientifiques en Côte d’Ivoire
Notice bibliographique
Résumé
Dans cet article sur les femmes scientifiques en Côte d’Ivoire, nous nous interrogeons sur les circonstances qui les ont conduites dans des filières traditionnellement conquises par les hommes. Il s’agit notamment d’identifier et d’analyser les facteurs déterminants qui ont contribué à leur réussite dans des filières où elles étaient sous-représentées. Pour répondre à cette préoccupation centrale, nous avons eu recours à l’analyse de contenu du récit de vie de 26 femmes ayant étudié dans différents domaines scientifiques (mathématiques, ponts et chaussées, physique moléculaire, physique nucléaire, chimie, informatique, microbiologie). Leurs histoires font comprendre leurs parcours scolaires et professionnels, et fournissent des explications concernant leur réussite et leur positionnement dans leurs métiers. En effet, si les résultats obtenus indiquent que des facteurs intrinsèques liés à leurs performances, à la classe et à la composition sociale des familles les ont fait s’orienter vers les études scientifiques, un certain nombre de facteurs extrinsèques (discours politique, identification à un modèle, soutien extérieur, etc.) ont également influencé leurs parcours.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».