Gender at Work: A Mixed Methods Study of Workplace Inequalities in the Quebec Legal Profession
Notice bibliographique
Résumé
The legal profession in Canada was traditionally occupied by men. A sweeping feminization of the legal profession occurred in the 1970s and 1980s, bringing more women to the practice of law. Quebec was the last province to admit women to law. Today, Quebec—with its bi-juridical system of avocat.e.s and notaires—has the most feminized legal profession in North America. Regardless of significant changes to the legal profession, gender inequalities persist. The wage gap remains, where women continue to be paid less than men. Women continue to face challenges with career mobility. Experiences of a chilly climate are an additional barrier faced by women. These inequalities in the context of the legal profession in Quebec have received very limited attention in the sociological literature. This dissertation aims to understand gender inequalities amongst avocat.e.s and notaires in Quebec. I focus on three different dynamics of inequality: (1) differential earnings; (2) career mobility (career progress, job satisfaction, departures from law, and departures from private practice); and (3) chilly workplace climate. To explore these dynamics, I use a mixed methods approach. For the quantitative analyses, I rely on a total of 361 longitudinal surveys. For the qualitative analyses, I draw on 50 interviews with avocat.e.s and notaires who have over 20 years of experience in the Quebec legal profession. My study reveals that although a gender gap exists in earnings, the gap is best explained by professional group differences. The evidence shows that gender best predicts the career mobility aspect of departures from private practice. My findings also illustrate how the chilly climate faced by women is characterized by exclusion, sexist comments and stereotypes, negative perceptions of working mothers, and sexual harassment. I conclude that the three dynamics of gender inequality for legal professionals in Quebec are best explained with an integration of theoretical approaches and a combination of quantitative and qualitative methods.
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 | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,013 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».