La carrière managériale des Marocaines : politiques de diversité et obstacles à leur inclusion
Bibliographic record
Abstract
Objectif de la recherche : L’objectif de cette recherche est de cerner quels sont les leviers des politiques de diversité qui pourraient se révéler particulièrement efficaces au Maroc, ainsi que d’identifier les obstacles à la carrière managériale des Marocaines. Intérêt de la recherche : Comme les politiques de diversité proviennent de modèles de management généralement occidentaux, il se peut que des idiosyncrasies marocaines en amenuisent les impacts. L’intérêt d’une telle recherche réside dans l’identification des leviers des politiques de diversité efficaces au Maroc, un territoire qui témoigne toujours de fortes inégalités de genre, notamment dans les fonctions managériales. Méthodologie : Les données ont été récoltées au Maroc grâce à 36 entretiens semi-directifs au sein de six entreprises et auprès de femmes managers, de Directeurs généraux et de Directeurs des ressources humaines. Résultats : Les résultats identifient les obstacles classiques à la carrière managériale des Marocaines, ainsi que les leviers des politiques de diversité qui seraient particulièrement efficaces au Maroc. Contributions et implications managériales : Les entreprises trouveront, dans cet article, les leviers prioritaires permettant de déployer de meilleures politiques de diversité dans un contexte marocain. Les DRH y trouveront, également, une liste des obstacles à la carrière managériale des Marocaines, ce qui devrait leur permettre de mieux les prendre en compte. Limites : Le biais de désirabilité sociale et la taille restreinte de l’échantillon sont les principales limites de cet article.
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 | 0.009 | 0.029 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".