Une crédibilité variable : l’influence de l’accent et de la couleur de la peau dans l’évaluation des experts scientifiques au Québec et en Ontario
Notice bibliographique
Résumé
Les recherches sur la diversité ont depuis longtemps établi que les attitudes à l’égard des membres de groupes minoritaires sont influencées par divers marqueurs d’appartenance, notamment la couleur de la peau. Mais si ces marqueurs sont principalement visuels , qu’en est-il des marqueurs auditifs , comme l’accent d’une personne immigrante? Cette recherche tente de comprendre l’effet des marqueurs visuels et auditifs sur la perception de la crédibilité des individus par le groupe majoritaire. Ces effets sont-ils additifs, de sorte que le groupe majoritaire juge plus négativement les membres d’une minorité à la fois auditive et visible, ou sélectifs, de sorte qu’un des marqueurs suffit à modifier la perception de la crédibilité? Pour étudier ces questions, nous utilisons les données d’une expérience en ligne réalisée au Québec et en Ontario et visant à comprendre comment les répondants perçoivent la crédibilité de divers experts scientifiques d’origines et d’accents différents. Les résultats suggèrent que le fait d’avoir un accent étranger et de faire partie d’une minorité visible nuit à la possibilité d’être considéré comme un expert crédible par les membres du groupe majoritaire. De plus, il existe des différences importantes quant à l’effet des marqueurs d’appartenance en Ontario et au Québec, les répondants du Québec se concentrant davantage sur les marqueurs auditifs que ceux de l’Ontario.
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 | 0,023 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».