MétaCan
Menu
← Retour à la cohorte
Enregistrement W3152197125

Understanding How Minoritized Female Legal Professionals Negotiate Extra-corporate Commitments and Legal Practice

2020· dissertation· W3152197125 sur OpenAlexaff

Notice bibliographique

RevueTSpace · 2020
Typedissertation
Langue
DomaineArts and Humanities
ThématiqueHermeneutics and Narrative Identity
Établissements canadiensInstitute for Christian StudiesUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNegotiationPolitical scienceLegal professionLegal practicePublic relationsBusinessEngineering ethicsLawEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This thesis examines the experiences of minoritized female legal professionals working in law and aims to explore how minoritization is reproduced in the legal profession. How lawyers, law clerks and legal assistants navigate legal practice as well as practices in social justice throughout their careers is revealed through professional and personal narrative. The study documents their struggle to “fit” in the profession filling in the everyday/everynight reality of working in law, and reveals there is negotiation at every stage of their careers. Methodologically, I have chosen an anti-racist theoretical analysis as well as Clarke and Smith's theories. Using institutional ethnography, I start with the broad question of what is the lived experience of minoritized women working in corporate law? I employed a mixed method design using interviews to examine the experiences of 12 minoritized female legal professionals, including myself, at various stages in their legal careers. I also analyze certain “texts” used and relied upon by the legal community to understand how they are informed by the ruling relations and how they in turn, inform governance and social relations. The study reveals there is systemic discrimination and disadvantage in the profession and the story of disadvantage for minoritized female legal professionals working in law is one of cumulative inequity and trauma.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,020
Communication savante0,0090,005
Science ouverte0,0010,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,205
Tête enseignante GPT0,361
Écart entre enseignants0,155 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpace→Même sujetHermeneutics and Narrative Identity→Travaux en français237 207→