Être ou ne pas être en politique : quelques déterminants de l’implication des femmes
Bibliographic record
Abstract
La politique est un milieu difficile dans lequel les femmes doivent surmonter des embûches au quotidien. L’objectif général de cette étude est de comparer le profil des femmes politiquement engagées avec celui de celles qui le sont moins. Dans cette optique, un questionnaire a été acheminé à des femmes ayant participé à l’École Femmes et Démocratie (2004 à 2009), qui offre une formation à celles qui souhaitent se lancer en politique. Le questionnaire regroupait des énoncés que les chercheurs avaient identifiés comme mesurant des facteurs de prédiction de l’engagement des femmes en politique, mais sans nécessairement les avoir testés empiriquement auprès d’échantillons concernés. Deux groupes ont été constitués, les femmes qui s’engagent pleinement sur la voie de la politique et celles qui restreignent leur participation. Étant donné que la majorité des participantes ne sont pas encore actives en politique, la variable « engagement communautaire », identifiée comme un déterminant de l’engagement politique (Elder, 2004), a été utilisée pour séparer les deux groupes. Une analyse discriminante nous a permis d’identifier les facteurs distinguant ces deux groupes, dont la résilience, l’auto-évaluation de compétences personnelles, relationnelles et politiques. Cette étude contribue à une compréhension plus juste du vécu des femmes qui s’engagent sur la voie de la politique. On parle alors de contributions théorique et pratique.
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 | 0.003 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".