Operationalization, Measurement, and Interpretation of Sex/Gender
Notice bibliographique
Résumé
Abstract Given the proliferation of calls to consider sex and gender in biomedicine, it is critical to address how the two concepts, and the relationships between them, are being implemented in a research setting. This chapter considers how we might transcend a simple, binary female–male framing and embrace the idea of the entanglement of sex and gender. The ways that the terms sex and gender are typically used in biology and health research are considered, with a focus on the relationships between these constructs, and areas of coherence and disagreement in their conceptualization. Problems arise when sex and gender are principally operationalized in terms of a female–male binary, including not only the resulting exclusion of trans, nonbinary, and intersex individuals but also the inadequacy of a binary analytical framework to account for context, overlap, in-group heterogeneity, continuity, and similarity. Entanglement and interaction are compared and contrasted, three forms of scientifc engagement with these ideas are identifed, and the implications of intersectionality for the operationalization of sex and gender are considered. In the context of experimentation, an entanglement perspective on sex and gender is explored for what it might enable along with the challenges it presents. As researchers grapple with the incorporation of sex and gender in their work, these frameworks will require ongoing development and refnement, reduced reliance on the dominant binary female–male analytical framing, and a move to a contextual, mechanistic approach that better refects conceptual complexity, diverse
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».