Legal Analysis of Gender Disparities in Engineering: Perspectives from Engineering Law and Reform Pathways
Notice bibliographique
Résumé
Gender inequality in the engineering profession remains pervasive, with Nigeria exemplifying entrenched disparities despite global and domestic equality frameworks. Women account for less than 12 per cent of registered engineers in Nigeria, reflecting a significant underrepresentation that persists notwithstanding constitutional guarantees, statutory prohibitions on discrimination, and ratified international instruments such as the Convention on the Elimination of All Forms of Discrimination against Women (CEDAW). This paper interrogates the persistence of inequality through feminist legal theory and intersectional analysis, situating engineering law at the intersection of gender justice and environmental governance. It combines doctrinal analysis with empirical material, including case studies, policy reviews, and interviews, to reveal the misalignment between formal norms and substantive outcomes. Findings demonstrate that weak enforcement, regulatory inertia, and cultural norms perpetuate occupational segregation, while professional licensing frameworks operate in gender-neutral but exclusionary ways. Comparative insights from South Africa, Norway, and Canada demonstrate that robust enforcement of equality norms, quota systems, and gender-responsive regulatory measures can redress systemic exclusion. The paper proposes a multi-level reform strategy encompassing legislative reform, stronger oversight, institutional capacity-building, and integration of gender equity into environmental and engineering regulation. By linking Nigeria’s environmental jurisprudence with engineering governance, this study advances both scholarly discourse and practical frameworks for dismantling structural barriers and promoting inclusive development.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».