L'entrepreneuriat féminin en Tunisie : du désir d’indépendance aux obstacles sociaux – Le cas du gouvernorat de Mahdia
Notice bibliographique
Résumé
En dépit des législations relativement favorables aux femmes tunisiennes, leur participation à l’entrepreneuriat reste faible. Ainsi, le taux d’activité des femmes ne dépasse pas 28,2 % de la population active, contre 65,8 % pour les hommes. De même, le taux de chômage des femmes est d’environ 24 %, tandis qu’il est de 15 % pour les hommes. Ce taux monte à 40,7 % pour les femmes diplômées du supérieur, contre seulement 17,6 % pour les hommes. De ce fait, il existe une disparité de genre en matière d’entrepreneuriat. Malgré l’amélioration de leur niveau d’instruction et de qualification, les femmes tunisiennes rencontrent d’énormes difficultés pour monter et développer leur propre projet entrepreneurial. À travers une enquête menée avec de futures promotrices et d’autres déjà installées dans la région de Mahdia (Sahel tunisien), nous allons approcher les difficultés éprouvées par les femmes pour la mise en place de leur projet. Nous nous proposons d’analyser les raisons de la disparité de genre, la faible part des entrepreneures femmes ainsi que les domaines ou types de projets dans lesquels elles se lancent. De même, nous allons étudier l’impact du territoire, rural et urbain, sur la part des projets féminins et, surtout, sur les types de projets développés dans la région de Mahdia.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».