Notice bibliographique
Résumé
Science today maintains an extremely high social profile. It is not only regarded as the purest and most ideal form of knowledge, it also acts as a paradigm for disinterested, objective and proven knowledge, incontestably providing our most secure sources of truths about the world. This may explain why feminists have had a good deal of difficulty and often reluctance in demonstrating the complicity of the natural sciences in the oppression of women. If, as science claims, it is true, observer-neutral, unbiased, repeatable and thus ‘objective’, it is difficult to see how it could contribute to or participate in women’s oppression. Many feminists working within the sciences can accept that the various social apparatuses, institutions and practices surrounding science—the funding and administration of scientific projects, the hiring of staff, practical applications of science, the development of technologies, etc.—are bound up with social values and power relations; but some consider it more difficult to criticise science itself. 'Pure science’ is usually considered immune to these sociological/political ‘issues’. It is hardly surprising, then, that the topic ‘women and science’ has generally focused on issues like ‘Great Women Scientists’, the Marie Curies of science, that is, on those individuals within science who have made ‘Great Discoveries’ and who also happen to be women. While this kind of analysis is important in raising consciousness about the difficulties women face in undertaking careers in the natural sciences, it only addresses the most superficial level of the problem. In this paper, we examine some deeper, structural investments and patriarchal commitments in science, including their implicit presumptions, their preferred, validated methods (methodological claims) and the criteria by which sciences are evaluated (epistemic claims).
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 | 0,027 | 0,083 |
| Communication savante | 0,067 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».