MétaCan
Menu
Retour à la cohorte
Enregistrement W4293079393 · doi:10.1017/s095926952200014x

The masculine bias in fully gendered languages and ways to avoid it: A study on gender neutral forms in Québec and Swiss French

2022· article· en· W4293079393 sur OpenAlexaboutno aff
Jonathan Kim, Sarah Angst, Pascal Gygax, Ute Gabriel, Sandrine Zufferey

Notice bibliographique

RevueJournal of French Language Studies · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Studies in Language
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPluralStereotype (UML)Grammatical genderPsychologyNounValue (mathematics)MasculinityGender biasSocial psychologyLinguisticsGender studiesSociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The extent to which gender neutral and gendered nouns impact differently upon native French speakers’ gender representations was examined through a yes-no forced choice task. Swiss (Experiment 1) and Québec (Experiment 2) French-speaking participants were presented with word pairs composed of a gendered first name (e.g., Thomas) and a role (e.g., doctor), and tasked to indicate whether they believed that [first name] could be one of the [role]. Roles varied according to gender stereotypicality (feminine, masculine, non-stereotyped), and were either in a plural masculine (interpretable as generic) or gender neutral (epicenes and group nouns) form. The results indicated that the use of gender neutral forms of roles avoided a strong male bias found for the masculine forms, and that both gender neutral and masculine forms used equal cognitive resources. Further, stereotype effects associated with both gender-neutral and grammatically masculine forms were quite small (<1%). These results were highly reliable across both Swiss French and Québec speakers. Our study suggests that gender neutral forms are strong alternatives to the use of the masculine form as default value.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,363
Score d'incertitude au seuil0,729

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,079
Tête enseignante GPT0,376
Écart entre enseignants0,297 · 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

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of French Language StudiesMême sujetGender Studies in LanguageTravaux en français237 207