MétaCan
Menu
← Retour à la cohorte
Enregistrement W3180874050 · doi:10.22215/etd/2019-13672

Gendered by Design: The Socialization of Women in Engineering School

2019· dissertation· en· W3180874050 sur OpenAlexaffabout
Katarina Lauch

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésSocializationPessimismFeelingIdentity (music)Field (mathematics)PerceptionSocial psychologyGender studiesRepresentation (politics)Social identity theoryPoliticsSociologyPsychologyPolitical scienceSocial groupEpistemologyAesthetics

Résumé

récupéré en direct d'OpenAlex

The under-representation of women in engineering is a well-known phenomenon.This study explores the potential role of university experiences in derailing the journey of would-be female engineers, focusing on how engineering school may socialize women in ways that discourage them from the field.Semi-structured interviews with 16 female Ontario university undergraduate engineering students were conducted and were analyzed from a feminist epistemological standpoint, privileging the experiences and voices of participants.Organizational socialization, gender socialization, and social identity theories guided the identification of important themes and issues.Results suggest that women are receiving information pertaining to the proficiencies, people, politics, and organizational goals and values of this space, potentially shaping their self-and field-based perceptions in negative ways.Many participants expressed pessimistic views about engineering, and often alluded to and discussed sexism.Some women also expressed feelings of visibility, discomfort, and/or feeling "unsafe".The normalization of gender-based (mis)treatment via interactions with peers and role models may foreshadow women's future careers in engineering.

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)0,008
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0150,023
Communication savante0,0090,004
Science ouverte0,0010,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,065
Tête enseignante GPT0,290
Écart entre enseignants0,225 · 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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetGender Diversity and Inequality→Travaux en français237 207→