Perceptions of career success among Black immigrant women in Quebec
Notice bibliographique
Résumé
Alors que de plus en plus d’immigrants intègrent le marché de travail au Québec, il y a un intérêt grandissant pour comprendre les facteurs qui influent leur succès de carrière. Des études actuelles qui focalisent sur les antécedents de succès de carrière montrent que les organisations sont au cœur de ce processus non seulement parce qu’elles forment le contexte dans lequel évoluent les carrières mais surtout parce qu’elles ont la capacité de mettre en place des pratiques et des politiques organisationnelles qui peuvent promouvoir de façon active le succès de carrière chez les employé(e)s (Bagdadli and Gianecchini, 2019). Outre ces pratiques et politiques organisationnelles, des recherches ont montré que des facteurs sociodémographiques, tels la race, le genre et le statut d’immigrant des individus peuvent aussi avoir un impact sur le succès de carrière des individus. Dans le cadre de cette étude exploratoire, nous nous sommes penchés sur le sentiment de réussite de carrière des femmes noires d’origine immigrante au Québec. Nous nous sommes intéressés tout particulièrement à leurs perceptions de leur succès de carrière ainsi qu’à ses déterminants. Nous avons examiné à la fois l’influence des facteurs organisationnels et celle de leur identité de femme noire immigrante sur leur succès de carrière. Bien que nos résultats montrent que certaines femmes ont pu bénéficier des pratiques organisationnelles qui visent à promouvoir le développement de leurs carrières, la plupart ont indiqué qu’elles ont dû faire face à d’importantes barrières en lien avec leur identité sociale. Ces barrières ont eu une influence négative sur leurs perceptions de leur succès de carrière. Les résultats de notre recherche sont importants du point de vue organisationnel et institutionnel car ils jettent un regard critique sur l’impact des pratiques et politiques qui sont en place dans les organisations au Québec et pointent dans la direction des solutions afin de réduire ou d'enrayer les barrières existantes et leurs effets auprès des femmes noires immigrantes.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».