L’accompagnement par les pairs au doctorat pour socialiser les femmes au métier de chercheuse
Bibliographic record
Abstract
Malgré les progrès réalisés en matière de parité des genres, en milieu universitaire, les femmes demeurent désavantagées sur plusieurs plans. En tant que professeures, chercheuses ou étudiantes, elles ne bénéficient pas des mêmes possibilités que leurs confrères. Dans cet article, nous présentons les résultats d’une étude de cas mettant en exergue l’accompagnement par les pairs entre doctorantes devant s’approprier des compétences rédactionnelles pour s’insérer dans leur champ de recherche. En nous appuyant sur le cadre théorique de socialisation au métier de chercheur développé par Skakni (2011), nous analysons des extraits d’entrevues semi-dirigées menées auprès de 25 doctorantes provenant d’universités canadiennes. Les résultats révèlent une préférence des participantes de s’associer à leurs semblables dans des groupes de rédaction académique afin de normaliser les défis auxquels elles font face en milieu universitaire. De plus, elles semblent accorder autant de valeur à l’accompagnement dont elles bénéficient de leurs pairs que du soutien qu’elles offrent à leurs consœurs. En définitive, il en ressort des collaborations, autant professionnelles que personnelles, par l’établissement d’un réseau de chercheuses novices qui privilégient la solidarité, plutôt que la compétitivité habituellement observée aux cycles supérieurs. La discussion porte sur la perspective féminine de cette culture de compétitivité et des différences de genre menant à une disparité dans les besoins de socialisation qui règnent en milieu universitaire. Enfin, des suggestions sont offertes pour l’exploration d’actions sociales étudiantes, en complémentarité à l’encadrement institutionnel, afin d’optimiser la socialisation des doctorantes, et par le fait même, leur professionnalisation au monde de la recherche.
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 | 0.005 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.004 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.019 | 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".