« Il faut se battre » : Les expériences de femmes congolaises sur le marché de l’emploi au Canada.
Bibliographic record
Abstract
Dans une perspective intersectionnelle qui articule les différents marqueurs identitaires entre autres la couleur de la peau, le sexe, l’origine ethnique, la taille, la langue, la religion, cette thèse expose dans quelle mesure ces différentes variables prédisposent les femmes noires originaires de l’Afrique aux discriminations, mythes, racisme, préjugés et stéréotypes sur le marché de l’emploi. Cette étude est une analyse qualitative qui se concentre sur les expériences de femmes immigrantes congolaises sur le marché de l’emploi au Canada. Ses résultats font état de trois variables en cause aux difficultés de ces femmes sur le marché de l’emploi. Il s’agit de la couleur de la peau, le sexe et l’origine ethnique. Cette étude conclut que ces femmes sont discriminées systématiquement, qu’elles soient nées au Canada ou qu’elles y aient immigré. Cette recherche pourrait permettre aux décideurs et organismes gouvernementaux qui viennent en charge aux femmes immigrantes de trouver des informations pertinentes pour développer des outils pédagogiques pouvant les aider à intégrer plus efficacement sur le marché de l’emploi.
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 | 0.001 |
| Science and technology studies | 0.023 | 0.009 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 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".