Favoriser l'égalité des sexes par le biais de l'action publique
Bibliographic record
Abstract
Ce chapitre examine l’outil d’analyse comparative entre les sexes plus (ACS+) et sa mise en œuvre au Canada, et formule des recommandations afin d’en optimiser le potentiel à l’appui de l’amélioration de l’égalité des sexes par le biais de l’action gouvernementale. On y étudie également dans quelle mesure le cadre de performances et de résultats facilite la réalisation et le suivi des progrès en termes d’égalité des sexes. Le gouvernement du Canada travaille en ce sens et a créé récemment le Comité du Cabinet chargé du programme gouvernemental, des résultats et des communications, et mis sur pied, pour l’appuyer, une Unité des résultats et de la livraison au sein du Bureau du Conseil privé (BCP). La mise au point du Cadre des résultats relatifs aux sexes au titre du budget de 2018 constitue par ailleurs un jalon important. Les prochaines étapes devraient être axées sur le renforcement des liens à la fois en amont, avec des objectifs spécifiques énoncés dans une stratégie pour l’égalité des sexes au Canada, et en aval, avec les cadres de résultats et d’exécution ministériels.
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 | 0.006 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.010 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.028 | 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".