Bibliographic record
Abstract
Au Québec, l’intégration des femmes aux métiers traditionnellement masculins est une préoccupation, constante depuis plusieurs décennies, qui se traduit notamment par la mise en place de différentes politiques d’égalité. Toutefois, malgré les discours officiels exprimant l’accès égal pour tous à tous les domaines professionnels, la division sexuelle du monde du travail est toujours bien présente. Cette segmentation s’observe aussi dans le monde scolaire, à tous les niveaux de formation, mais il semble qu’elle soit particulièrement marquée à la formation professionnelle au secondaire, reléguant les femmes à des domaines professionnels où les emplois sont souvent sous-valorisés. Devant ce constat, c’est dans une approche qualitative/interprétative et dans une perspective féministe que l’expérience scolaire de sept femmes inscrites à un programme de formation professionnelle au secondaire menant à l’exercice d’un métier traditionnellement masculin est examinée. S’appuyant sur une analyse thématique d’entretiens individuels semi-dirigés, les données présentées suggèrent, malgré une appréciation généralement positive de leur expérience, que les obstacles rencontrés par ces femmes dans les dernières décennies s’aplanissent bien lentement. En effet, leurs discours révèlent la présence de nombreuses inégalités basées sur le sexe et montrent que leur intégration aux groupes scolaires majoritairement masculins constitue encore un défi pour elles.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.015 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".