MétaCan
Menu
Retour à la cohorte
Enregistrement W4407207919 · doi:10.24251/hicss.2025.826

Unveiling the Experiences of Racialized Immigrant Women in Cybersecurity - An Intersectional Qualitative Inquiry

2025· article· en· W4407207919 sur OpenAlexfundaboutno aff
Sepideh Borzoo, Atefeh Mashatan, Rupa Banerjee

Notice bibliographique

RevueProceedings of the ... Annual Hawaii International Conference on System Sciences/Proceedings of the Annual Hawaii International Conference on System Sciences · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensnon disponible
Organismes subventionnairesCanada First Research Excellence Fund
Mots-clésImmigrationQualitative researchIntersectionalityComputer scienceComputer securitySociologyGender studiesInternet privacyPolitical scienceAnthropology

Résumé

récupéré en direct d'OpenAlex

Skilled immigrant women’s integration in science, technology, engineering, and mathematics professions is influenced by the prevalent racial and gendered conditions present in these fields. This study employs qualitative interviews to investigate barriers to equity, diversity, and inclusion faced by immigrant women professionals in the cybersecurity sector in Canada. Using an intersectional approach, this paper unveils how racial and gender discourses affect immigrant women’s experiences of exclusion in the workplace. Findings suggest that immigrant women face multiple barriers at the intersection of gender, race, and immigration status to enter the sector and advance in their careers. Drawing on the interview data, this paper demonstrates how workplaces reproduce multiple forms of inequality for racialized immigrant women. These inequalities arise through the division of positions, the perpetuation of stereotypes that hinder upward mobility, work schedules designed for the ideal men employees, and the penalties associated with cultural differences that specifically disadvantage immigrants.

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)0,010
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, Science ouverte
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,745
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,006
Communication savante0,0010,004
Science ouverte0,0070,001
Intégrité de la recherche0,0000,001
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 Opus0,053
Tête enseignante GPT0,358
Écart entre enseignants0,305 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... Annual Hawaii International Conference on System Sciences/Proceedings of the Annual Hawaii International Conference on System SciencesMême sujetDigital Economy and Work TransformationTravaux en français237 207