Connaissance et assignation de stéréotypes de genre dans une population scolaire de pré-adolescents et pré-adolescentes de divers groupes ethnolinguistiques montréalais
Bibliographic record
Abstract
Résumé Une recherche exploratoire en milieu scolaire montréalais pluriethnique auprès de pré-adolescent(e)s de divers groupes, migrants et non migrants, vise à tester l’hypothèse suivante : la perception des femmes et des hommes et de leurs tâches et rôles respectifs varie selon l’origine ethnique et le sexe, introduisant des biais dans la lecture des situations et amenant ainsi des actions et réactions différentes. Les résultats d’un test d’identification des stéréotypes masculins et féminins et d’un scénario d’attribution de tâches sexuées sont analysés à partir d’une double perspective de genre et de groupe ethnolinguistique (dual status). Ils démontrent, dans les classes pluriethniques observées, l’existence d’un sexisme dont les manifestations ne peuvent être attribuées globalement à un sexe en particulier ou à un groupe ethnolinguistique spécifique : toutes les données convergent plutôt vers la nécessité de tenir compte à la fois du genre et du groupe ethnique d’appartenance, pour dresser un portrait cohérent des formes, des manifestations, des enjeux et de l’impact de cette problématique sur le climat de la classe et sur la réussite socio-scolaire des élèves, migrants et non-migrants.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".