A gender breakdown of unexpected benefits generated by work from home in STEM fields − A qualitative analysis of the WiMPBME Task Group survey
Notice bibliographique
Résumé
BACKGROUND: Working from home during the Covid-19 pandemic was perceived differently by men and women working in STEM fields. The aim of this paper is to highlight the unexpected benefits generated by working from home during the pandemic. METHODS: Qualitative methodology was used to analyze data, collected via survey. The survey designed and conducted by WiMPBME targeted both males and females working in medical-related STEM fields (physics and engineering) and was answered by 921 individuals from 76 countries across all continents. This report analysed the responses to one open-ended question of the survey, namely: "What is the one positive that you have learnt/experienced as a result of working from home during this pandemic?". RESULTS: 594 responded to the question of interest. Access to home office was reported by 72.2% of survey participants. Males were more likely than females to report no positives of working from home (62.9%). Females were more likely to cite quality time, physical and mental health as positive factors than males, and to mention children in their responses. The most commonly coded thematic unit for males was remote working, with many males reporting the feasibility of working from home. Increased work productivity, better time management and work organisation were other common themes highlighted by responders irrespective of gender. CONCLUSION: The findings of the survey show the diversity of perceptions about remote working in STEM fields, while highlighting the importance of considering family dynamics, individual circumstances as well as gender when evaluating varied experiences of STEM professionals.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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; un appel candidat d’une seule tête enseignante, 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 ».