S’appuyer sur la « féminité » pour l’emporter en campagne
Bibliographic record
Abstract
Le Québec a vécu lors des élections générales d’octobre 2018 un « moment paritaire enchanté », où la construction d’un discours fondé sur la valeur ajoutée des femmes à la démocratie est apparue profitable chez les candidates et les chef·fe·s de parti, et ce, grâce à la mobilisation d’acteurs extérieurs au champ politique (groupes de femmes, médias, sondeurs). À partir d’une analyse d’un corpus médiatique couvrant les six mois précédant les élections, cet article montre que les propos tenus par les candidates et les chef·fe·s de parti sur les « qualités typiquement féminines » des politiciennes et leur capacité à « faire de la politique autrement » participent d’une stratégie d’argumentation qui réduit les femmes à leur rôle de genre. Alors que les conditions sociales et politiques en présence les y encourageaient fortement, la mise en valeur de la « féminité » s’est imposée comme une contrainte supplémentaire pour les candidates, qui, pour entrer dans un univers (encore) largement dominé par les hommes, devaient répondre aux attentes liées à la fois à leur genre et à leur profession.
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 | 0.013 | 0.006 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.033 | 0.002 |
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".