Mondialisation et économie du savoir : défis et occasions pour les femmes gestionnaires
Bibliographic record
Abstract
Résumé Le présent article se penche sur la situation des femmes gestionnaires canadiennes dans les organisations. Nous envisageons les stratégies visant à mieux promouvoir leur présence, dans un contexte de mondialisation des marchés et d’une course à la concurrence menée à l’échelle internationale par les firmes multinationales et les États. Pour ce faire, nous traitons plusieurs thèmes portant sur les caractéristiques de l’économie, les facteurs de réussite dans cette économie (pour les entreprises et leurs gestionnaires) et la place que les femmes y occupent. Nous envisageons les styles de gestion des femmes cadres, leur contribution aux organisations et leurs aspirations de nature familiale et professionnelle. Nous abordons la question de la sous-représentation des femmes à des postes de cadres supérieurs et précisons les obstacles et les tendances actuels. Nous nous penchons sur des programmes et des politiques d’entreprises qui permettent de mieux mettre à profit le leadership des femmes. Nous faisons ressortir la nécessité d’une meilleure représentation des femmes placées devant la nouvelle économie du savoir dans la hiérarchie des organisations, où la délicate question de leur accès aux postes décisionnels demeure.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.006 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".