Doing and undoing gender: women professionals' persistence in technology occupations
Notice bibliographique
Résumé
Purpose This study aims to identify women professionals' strategies to persist in the male-dominated technology industry situated in the Bangladeshi socio-cultural context. Design/methodology/approach In-depth interviews with women tech professionals were conducted to identify and explore the strategies. Thematic coding was used for data analysis. Findings The findings suggest that the complex interplay of macro-, meso- and micro-factors pushes women to defy societal and gender norms in their choice and persistence, yet they simultaneously conform to these norms. By simultaneous expressions of doing and undoing gender, these women dealt with hierarchies and inequalities, navigated masculinized industry and empowered themselves within a patriarchal culture. The strategies effectively allowed them to demonstrate agency and persist in tech occupations. Research limitations/implications The study participants were women and recruited using snowball sampling. Future research could benefit from recruiting a larger, more varied sample using random sampling. Practical implications The study can inform teaching and policy initiatives to increase women's representation in tech sectors through awareness campaigns, policy interventions and counseling. Originality/value The research extends the doing and undoing framework by integrating the relational perspective to explain women's agency and resilience situated in a patriarchal context. The paper focuses on women's micro-individual strategies to navigate macro- and meso-level forces. Moreover, Bangladesh is an under-researched context, and findings from the study can help design potential intervention strategies to increase women's participation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,007 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».