MétaCan
Menu
Retour à la cohorte
Enregistrement W4250411026 · doi:10.22215/stw/2019-m0001

“Lagging Behind” : An Examination of Why Women Continue to be So Underrepresented in Canadian Federal Politics

2019· dissertation· en· W4250411026 sur OpenAlexaffabout
Jasmin Pettie

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueGender Politics and Representation
Établissements canadiensCarleton University
Organismes subventionnairesUniversity of OxfordUniversity of Cambridge
Mots-clésHouse of CommonsNominationPoliticsParliamentRepresentation (politics)LaggingCategorizationPolitical scienceContent analysisGender studiesPublic relationsSocial scienceSociologyLawMedicine

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to explore the question of why women are still so underrepresented in Canadian federal politics and specifically within the Canadian House of Commons despite advances in representation in many other fields.To answer this question a study was conducted using qualitative data obtained from interviews with 17 female Members of the 42 nd Parliament of Canada between October 2018 to April 2019.Data collected through these interviews was analyzed qualitatively using a combination of content and discourse analysis to summarize, categorize, and investigate the verbal, written, and behavioural data that was obtained.Findings from this study mostly confirm the findings of previous research with a few key exceptions.New findings from this study include that a more nuanced relationship exists between female MP's and the media than previously thought; that most of the women who run for office at the federal level have very little or no knowledge of the nomination, candidate, and electoral process before they start; and that a toxic work place culture exists within the House of Commons and this negatively impacts the experience that female MP's have and is one of the reasons women are more likely to have shorter political terms and leave politics after shorter amounts of time when compared to their male counterparts.

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)0,007
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,921
Score d'incertitude au seuil0,575

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,007
Études des sciences et des technologies0,0350,012
Communication savante0,0080,003
Science ouverte0,0030,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,034
Tête enseignante GPT0,345
Écart entre enseignants0,311 · 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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetGender Politics and RepresentationTravaux en français237 207