Attitudes envers le langage inclusif au Québec en 2022 : associations avec le genre, l’âge et le contact universitaire selon une analyse multivariée des données d’un sondage en ligne
Notice bibliographique
Résumé
Introduction: The province of Quebec (Canada) is often considered to be at the vanguard of language feminization in the francophone world (Elchacar, 2019). However, even in Quebec, there is no consensus on gender-inclusive language, with public opinions and even official approaches varying considerably (Dumais, 2007; Elchacar, 2019; Moreau, 2023; Rioux, 2020; Niosi, 2017). Objectives: This study aims to provide an up-to-date picture of attitudes towards inclusive language in the French-speaking population of Quebec, particularly how these attitudes relate to sociodemographic characteristics. Methods: An online, 15-item Likert-scale survey conducted in Spring 2022 gathered complete responses from 193 French-speaking adult Quebecers (M=36; F=146; Other=11) regarding their attitudes towards gender-inclusive language, while also recording the following sociodemographic characteristics: (1) age (18-30; 31-50; 51;-65; > 65), (2) gender (male, female, other), and (3) university affiliation (having worked or studied at a university previously). An overall attitude score was computed for each participant by averaging their responses to the survey items. Results: Results of a PERMANOVA show that while attitudes towards inclusive language are generally positive (especially amongst younger and non-male-identifying participants), significant disagreements persist, notably along sociodemographic lines, with age and gender accounting for approximately 20% of the variance in the overall attitude score (R² = 0.195). University affiliation was not a significant factor (p > 0.05). Conclusion: Overall, the study confirms that attitudes towards gender-inclusive language in Quebec remain heterogeneous and are associated with age and gender, though only partially accounted for by them. This study provides a foundation for future research using larger, more representative samples and will facilitate cross-regional comparisons of attitudes towards gender-inclusive language in the francophone world.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».