Normes sociales de genre et inégalité professionnelle : quelle influence du sentiment de culpabilité des femmes ?
Bibliographic record
Abstract
Notre étude analyse l’influence des normes sociales de genre et notamment l’attente sociale d’être une « bonne mère » et une « bonne ménagère » sur l’inégalité professionnelle entre les femmes et les hommes. Nous appuyant sur la littérature, nous présentons un modèle qui teste les liens entre les normes sociales de genre associées aux domaines familial et domestique, le sentiment de culpabilité des femmes et la régulation de leurs comportements au travail (baisse du temps de travail, refus d’une promotion, refus d’une mobilité géographique favorable pour la carrière, limitation des ambitions professionnelles). Une méthodologie quantitative et l’analyse de 326 questionnaires de femmes actives révèlent que si les normes sociales de « bonne mère » et de « bonne ménagère » n’ont pas d’effets directs sur les comportements des femmes au travail, elles les impactent indirectement via le sentiment de culpabilité qu’elles génèrent. Ainsi, le rôle médiateur du sentiment de culpabilité dans la relation entre les normes sociales féminines liées aux domaines familial et domestique et la régulation de leurs comportements relatifs à leurs choix de carrière est ici révélé.
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 | 0.004 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 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".