MétaCan
Menu
Back to cohort
Record W2038887890 · doi:10.7202/058005ar

Travailler ensemble entre hommes et femmes : émergence de la question et questions de méthode

2005· article· fr· W2038887890 on OpenAlexvenueno aff
Daniel Welzer-Lang

Bibliographic record

VenueRecherches féministes · 2005
Typearticle
Languagefr
FieldSocial Sciences
TopicEducation, sociology, and vocational training
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPhilosophyPolitical science

Abstract

fetched live from OpenAlex

À travers quelques éléments historiques liés au champ des études sur les hommes, et à partir des travaux de recherche réalisés par l'auteur au cours de ces dix dernières années, l'article interroge les cadres problématique et méthodologique qui nous permettent de réaliser des études dans des équipes mixtes en hommes et femmes, tout en questionnant l'androcentrisme de la sociologie, et des sociologues eux-mêmes. Dans une première partie sont analysés les processus, parfois compliqués, par lesquels ont émergé en France des travaux proféministes. Puis, à partir du constat de la fréquente asymétrie des objets traités par les hommes proféministes et par les femmes sociologues féministes, et des questions qui traversent le champ des rapports sociaux de sexe en construction, l'article propose une discussion sur la méthode. Plus exactement, à travers l'exemple d'une recherche récente sur l'échangisme, l'auteur, qui se réclame de l'antisexisme, expose ses propres difficultés concrètes rencontrées sur le terrain de la recherche pour ne plus être pris dans l'androcentrisme, et accepter, valider et en définitive intégrer les vécus et analyses critiques proposés par ses collègues, femmes et féministes. En conclusion, l'article identifie les outils et les principes méthodologiques qui permettraient de mettre en place des débats prenant en compte la problématique des rapports sociaux de sexe dans les équipes mixtes d'hommes et de femmes.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.018
metaresearch head score (Gemma)0.006
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.645
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0180.006
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.002
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.379
GPT teacher head0.513
Teacher spread0.134 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations2
Published2005
Admission routes1
Has abstractyes

Explore more

Same venueRecherches féministesSame topicEducation, sociology, and vocational trainingFrench-language works237,207