MétaCan
Menu
Retour à la cohorte
Enregistrement W4403692536 · doi:10.1080/13691058.2024.2418406

Disrupting menstrual stigma at work? A thematic analysis of menstrual leave policy announcements across five countries

2024· article· en· W4403692536 sur OpenAlexaff
Meaghan Furlano

Notice bibliographique

RevueCulture Health & Sexuality · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMenstrual Health and Disorders
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésThematic analysisStigma (botany)PsychologyMenstrual cycleSocial stigmaMedicineSocial psychologyClinical psychologyPsychiatryFamily medicineQualitative researchSociology

Résumé

récupéré en direct d'OpenAlex

Menstrual leave is a policy allowing menstruators to take paid or unpaid time off work if experiencing painful menstrual cycle-related symptoms or illnesses. Scholars have displayed an increased interest in menstrual leave, primarily owing to the rise in companies offering menstrual leave. Efforts have been made to theorise the potential benefits and drawbacks of menstrual leave. Building on prior work, this article conducts a thematic analysis of twelve menstrual leave policy announcements from companies in five countries. Guided by an intersectional feminist theoretical framework, the article uncovers two themes in menstrual leave policy announcements: (1) recognition of menstrual stigma and the potential to normalise menstruation and menstrual health; and (2) the potential for increased worker power. It subsequently develops two critical arguments: (1) menstrual leave may perpetuate (hetero)sexist beliefs and attitudes, and (2) menstrual leave may reify individual responsibility to manage menstruation and facilitate a positive culture around menstrual leave. This research adds to menstruation literature by being one of the few studies to investigate company-level menstrual leave policy announcements in a transnational context. A broader conceptualisation of menstrual leave, including the transition to 'menstrual flexibility' as an umbrella term, could help such policies become equity tools.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,194
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,047
Tête enseignante GPT0,448
Écart entre enseignants0,401 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCulture Health & SexualityMême sujetMenstrual Health and DisordersTravaux en français237 207