MétaCan
Menu
Retour à la cohorte
Enregistrement W7162118411 · doi:10.82308/44732

Discriminations intersectionnelles en droit à l'égalité canadien : complexités catégoriques, théories féministes et travail de soins

2023· dissertation· fr· W7162118411 sur OpenAlexaboutno aff
Alexandrine Lahaie

Notice bibliographique

Revuenon disponible
Typedissertation
Languefr
DomaineSocial Sciences
ThématiqueDiscrimination and Equality Law
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMotif (music)History of sociologyLimiting

Résumé

récupéré en direct d'OpenAlex

L’énumération de motifs de discrimination au par. 15(1) de la Charte engendre une approche catégorielle aux motifs de discrimination. Cette approche fait en sorte que les motifs sont souvent considérés en isolation les uns des autres et de manière essentialiste, au détriment des discriminations intersectionnelles. De plus, le test pour reconnaître de nouveaux motifs analogues peut représenter une barrière supplémentaire pour ces discriminations. Ce mémoire se penche en particulier sur les discriminations genrées intersectionnelles et se base sur la notion de l’intersectionnalité et les théories féministes postmodernes pour exposer les implications positives et négatives de la catégorie légale du sexe en droit à l’égalité. Ces théories féministes nous amènent à favoriser une interprétation où les motifs énumérés sont plus flexibles et où les motifs analogues ne sont pas nécessairement immuables. Par l’analyse de décisions de la Cour suprême du Canada sur le par. 15(1) impliquant de la discrimination fondée sur le sexe en lien avec le travail de soins des femmes, nous mettons en relief les impacts qui découlent du choix jurisprudentiel des motifs. Lorsque le motif analysé est le sexe, l’approche catégorielle empêche d’appréhender pleinement les autres systèmes d’oppression interagissant avec le sexisme et, lorsqu’un autre motif que le sexe est analysé, cette approche peut occulter genre. À partir d’un point de vue féministe, nous soulignons les analyses de la Cour qui permettent la reconnaissance des discriminations genrées intersectionnelles, offrant une voie vers la protection de l’égalité réelle

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,528
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,364
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDiscrimination and Equality LawTravaux en français237 207