MétaCan
Menu
Retour à la cohorte
Enregistrement W4405364862 · doi:10.1522/radm.no8.1838

Le travail en contexte de transformation numérique est-il marqué par des enjeux de genre? Points de vue du personnel cadre

2024· article· fr· W4405364862 sur OpenAlexaffvenue
Émilie Giguère, Mireille Sirois Gagné, Mégane Drouin

Notice bibliographique

RevueAd machina l avenir de l humain au travail · 2024
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueWork-Family Balance Challenges
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Cet article propose de documenter les points de vue du personnel cadre d’organisations du secteur des services à propos des enjeux de genre au travail en contexte de transformation numérique (TN) à la lumière des théories féministes et d’une théorie du travail vivant. Cette étude s’inscrit dans une démarche méthodologique de recherche qualitative à l’aide de 3 entretiens de groupe regroupant un total de 20 participants(es) qui occupent des fonctions de cadres en proximité avec du personnel. Les résultats révèlent la diversité de leurs points de vue sur les enjeux de genre qui peuvent être regroupé dans deux grandes catégories : 1) la mise en visibilité des enjeux de genre concernant la représentativité des hommes et des femmes dans les organisations; 2) la compétence, l’expertise et la recherche de profils « performants » en contexte de TN conceptualisés comme « neutres » au regard du genre. Ces résultats sont discutés en considérant les difficultés de reconstructions collectives du personnel cadre à l’égard des enjeux de genre et du travail en contexte de TN, de même que la prépondérance des enjeux économiques et instrumentaux du travail par rapport aux enjeux humains et sociaux, dont font partie les enjeux de genre. Plus largement, ces résultats contribuent au renouvellement des réflexions à l’égard des enjeux de genre au travail en contexte de TN à partir des points de vue du personnel cadre.

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)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,398
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,263
Écart entre enseignants0,249 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAd machina l avenir de l humain au travailMême sujetWork-Family Balance ChallengesTravaux en français237 207