Être femme immigrante au Saguenay : le rôle de l'emploi, de la famille et de la participation sociale pour l'intégration à la société d'accueil
Bibliographic record
Abstract
Est-ce que devenir québécoise ça va être intégrée ? Je vais jamais le devenir… Qu’est-ce que c’est d’être intégrée ?(Elena) Bien que peu de personnes immigrantes se dirigent vers les régions éloignées du Québec, un certain nombre, dont plus de la moitié sont des femmes, a choisi de s’établir au Saguenay-Lac-Saint-Jean, une région très homogène culturellement et linguistiquement. Concrètement, comment se passe cette intégration pour les femmes immigrantes dans cette région ? L’intégration diffère-t-elle selon que l’on soit un homme ou une femme ? Comment les activités réalisées avec les enfants, la participation sociale et le marché de l’emploi saguenéen peuvent-ils concourir à cette intégration ? Cette recherche qui s’appuie sur des fondements féministes documente les pratiques d’intégration des femmes immigrantes au Saguenay en lien avec la sphère familiale, la participation sociale et l’emploi. Cet angle permet premièrement d’approfondir les interrelations entre ces sphères et d’explorer les conséquences de la division sexuelle du travail sur l’intégration des femmes immigrantes dans le contexte d’une région dite périphérique.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.013 | 0.004 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".