Concevoir des enquêtes et analyser les résultats dans une perspective de genre dans la recherche en économie
Bibliographic record
Abstract
Ce document fournit des orientations pour l’intégration des considérations de genre et de diversité dans la recherche appliquée en économie portant sur des pays au sein desquels le secteur informel est prépondérant. Il s’inspire du soutien apporté à des centres de recherches d’Afrique de l’Ouest impliqués dans la recherche de solutions aux défis socio-économiques posés par la pandémie de Covid-19 notamment concernant les moyens de subsistance des groupes vulnérables et le secteur informel. Il est rédigé avec l’assistance du CRDI et se veut un guide à la recherche appliquée. Après avoir rappelé dans une première section les principales orientations des analyses de genre, une deuxième section on s’attachera à examiner dans la pratique la manière d’intégrer les considérations de genre et de diversité dans la conception et la formulation des enquêtes statistiques et qualitatives, ainsi que dans leurs analyses descriptives et logistiques. Dans une troisième section, une brève compilation des ressources disponibles sur le genre, l’économie informelle et la pandémie de Covid-19 est présentée.
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 | 0.041 | 0.074 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.010 | 0.016 |
| Science and technology studies | 0.009 | 0.011 |
| Scholarly communication | 0.023 | 0.017 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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".