Weaving Paths for Policies: An Integrated Analysis of The Gender Equality Framework
Notice bibliographique
Résumé
Introduction:The Gender Equality Framework for Higher Education Institutions (HEIs) in Brazil, developed by the British Council, aims to promote gender equality through data collection and the implementation of specific action plans.This framework is significant as it addresses historical disparities in HEIs and fosters inclusive academic environments.Its necessity lies in the urgency to combat wage inequalities, harassment, and inequity in access and retention in STEM.In this context, the article analyzes the framework, its features, and its alignment with the Equality in Leadership for Latin American STEM (ELLAS) project, funded by the IDRC.Methodology: The study follows a qualitative and exploratory approach, based on a document analysis of the framework's guidelines and its connection to the objectives of the ELLAS project.Although the framework does not directly involve a population sample, its potential to guide institutions in collecting and analyzing gender equity data is examined.Results: The Gender Equality Framework does not present quantitative results but offers practical guidelines to create fair environments in HEIs, prevent harassment, and reduce wage gaps.Additionally, it contributes to the development of open databases for STEM, fostering greater gender equity.Conclusions: The study highlights that Ediciones Universidad de Salamanca / cc by-nc-nd [180] Polticas, mtodos y tecnologas educativas para la inclusin, pp.179-185 implementing the framework faces challenges related to organizational culture and resistance to change.However, this instrument holds significant theoretical and practical implications by promoting rights and social justice.Future research could explore strategies to overcome these barriers and maximize its impact.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».