Gender Regimes in Ontario Nursing Homes: Organization, Daily Work, and Bodies
Bibliographic record
Abstract
RÉSUMÉ Aujourd’hui, des hommes, ainsi que des personnes immigrantes, travaillent dans le secteur des soins de longue durée. Cette nouvelle donne modifie profondément le stéréotype du travailleur de ce secteur, soit une femme d’un certain âge née au Canada. Bien que toujours minoritaires, on en sait peu sur les expériences de travail des hommes qui prodiguent des soins de longue durée, ainsi que sur les dilemmes et les opportunités auxquels ils font face en raison de leur genre. Cet article examine comment le personnel de deux centres d’hébergement et de soins de longue durée ontariens perçoit les travailleurs masculins de ce secteur. S’appuyant sur une méthode ethnographique rapide, qui comprend à la fois des entrevues et des observations, nous avons constaté que le style de gestion de ces établissements entraîne des répercussions significatives sur l’intégration et l’acceptation des travailleurs masculins. Dans un centre d’hébergement doté d’une organisation du travail rigide et laissant peu de place au pouvoir décisionnel des travailleurs, les travailleurs masculins sont perçus négativement. Au contraire, dans des centres d’hébergement dotés d’une organisation du travail plus flexible qui met l’emphase sur une approche relationnelle du care, les travailleurs masculins sont perçus plus positivement. Finalement, des processus de racialisation influencent également les relations de genre dans les centres d’hébergement et de soins de longue durée.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.006 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".